时间:2021-05-23
示例代码:
df=pd.DataFrame({'A':[1,2],'B':[[1,2],[1,2]]})dfOut[458]: A B0 1 [1, 2]1 2 [1, 2]拆分成多行的效果:
A B
0 1 1
1 1 2
3 2 1
4 2 2
1)通过apply和pd.Series实现
容易理解,但在性能方面不推荐。
df.set_index('A').B.apply(pd.Series).stack().reset_index(level=0).rename(columns={0:'B'})Out[463]: A B0 1 11 1 20 2 11 2 22)使用repeat和DataFrame构造函数
性能可以,但不太适合多列
df=pd.DataFrame({'A':df.A.repeat(df.B.str.len()),'B':np.concatenate(df.B.values)})dfOut[465]: A B0 1 10 1 21 2 11 2 2或者
s=pd.DataFrame({'B':np.concatenate(df.B.values)},index=df.index.repeat(df.B.str.len()))s.join(df.drop('B',1),how='left')Out[477]: B A0 1 10 2 11 1 21 2 23)创建新的列表
pd.DataFrame([[x] + [z] for x, y in df.values for z in y],columns=df.columns)Out[488]: A B0 1 11 1 22 2 13 2 2或者
#拆成多于两列的情况s=pd.DataFrame([[x] + [z] for x, y in zip(df.index,df.B) for z in y])s.merge(df,left_on=0,right_index=True)Out[491]: 0 1 A B0 0 1 1 [1, 2]1 0 2 1 [1, 2]2 1 1 2 [1, 2]3 1 2 2 [1, 2]4)使用reindex和loc实现
df.reindex(df.index.repeat(df.B.str.len())).assign(B=np.concatenate(df.B.values))Out[554]: A B0 1 10 1 21 2 11 2 2#df.loc[df.index.repeat(df.B.str.len())].assign(B=np.concatenate(df.B.values)5)使用numpy高性能实现
newvalues=np.dstack((np.repeat(df.A.values,list(map(len,df.B.values))),np.concatenate(df.B.values)))pd.DataFrame(data=newvalues[0],columns=df.columns) A B0 1 11 1 22 2 13 2 2到此这篇关于Python Pandas list列表数据列拆分成多行的方法实现的文章就介绍到这了,更多相关Pandas list列拆分成多行内容请搜索以前的文章或继续浏览下面的相关文章希望大家以后多多支持!
声明:本页内容来源网络,仅供用户参考;我单位不保证亦不表示资料全面及准确无误,也不保证亦不表示这些资料为最新信息,如因任何原因,本网内容或者用户因倚赖本网内容造成任何损失或损害,我单位将不会负任何法律责任。如涉及版权问题,请提交至online#300.cn邮箱联系删除。
场景:集团中心下发本省数据时,并未按地市、业务拆分,现需要按地市、业务拆分并分发到地市。本文利用Python的pandas包实现了以上场景。注:本示例代码只实现
数据库表是一个二维表,包含多行多列。把一个表的内容用Python的数据结构表示出来的话,可以用一个list表示多行,list的每一个元素是tuple,表示一行记
场景:有一个多层嵌套的列表如:[[23],[3,3],[22,22],1,123,[[123,a],2]]拆分成:defsplitlist(list):'''现
Python列表List(列表)是Python中使用最频繁的数据类型。列表可以完成大多数集合类的数据结构实现。它支持字符,数字,字符串甚至可以包含列表(所谓嵌套
Pandas中根据列的值选取多行数据#选取等于某些值的行记录用==df.loc[df['column_name']==some_value]#选取某列是否是某一