如何使用两列来区分熊猫数据框中的数据点

问题描述

我有一个如下数据框：

import pandas as pd
df = pd.DataFrame({'a':[1,2,3],'b':[[1,[1,3]],'c': [[4,5,6],[4,6]]})

我想爆炸带有b和c列的数据框。我知道，如果我们只使用一列，那么我们可以做到

df.explode('column_name')

但是，我找不到使用两列的方法。所以这是所需的输出。

output = pd.DataFrame({'a':[1,1,3,'b':[1,'c': [4,6,4,6]})

我尝试过

df.explode(['a','b'])

但是它不起作用，给了我一个

ValueError: column must be a scalar.

谢谢。

解决方法

让我们尝试

df=pd.concat([df[x].explode() for x  in  ['b','c']],axis=1).join(df[['a']]).reindex(columns=df.columns)
Out[179]: 
   a  b  c
0  1  1  4
0  1  2  5
0  1  3  6
1  2  1  4
1  2  2  5
1  2  3  6
2  3  1  4
2  3  2  5
2  3  3  6

,

您可以使用itertools chain和zip来获得结果：

pd.DataFrame(chain.from_iterable(zip([a] * df.shape[-1],b,c)
                                 for a,c in df.to_numpy()))


    0   1   2
0   1   1   4
1   1   2   5
2   1   3   6
3   2   1   4
4   2   2   5
5   2   3   6
6   3   1   4
7   3   2   5
8   3   3   6

,

@Ben的列表理解最快。但是，如果您不太关心速度，可以将apply与pd.Series.explode

一起使用

df.set_index('a').apply(pd.Series.explode).reset_index()

或者简单地apply。在非列表列上，它将返回原始值

df.apply(pd.Series.explode).reset_index(drop=True)

Out[42]:
   a  b  c
0  1  1  4
1  1  2  5
2  1  3  6
3  2  1  4
4  2  2  5
5  2  3  6
6  3  1  4
7  3  2  5
8  3  3  6