python - py pandas行迭代在重复的行1-1 1-n中添加新数据

我不知道该怎么解释。但让我们举个例子：
我有这本字典

dictData = {'movie_id':[11,12,13],'title':['filmA','filmB','filmC']}
dictFilm = {'filmA': ['pathA1\\ImageA1.jpg','pathA2\\ImageA2.jpg'],
            'filmB': ['pathB1\\ImageB1.jpg','pathB2\\ImageB2.jpg'],
            'filmC':['pathC1\\ImageC1.png','']}

从这些，我会做一个新的数据

dfData = pd.DataFrame.from_dict(dictData)
dfFilm = pd.DataFrame.from_dict(dictFilm)

to_image_df = pd.DataFrame.from_dict({})

for i, row in dfFilm.iterrows():
    to_image_df.at[i,'movie_id'] = int(dfData.at[i,'movie_id'])
    to_image_df.at[i,'name']     = dfData.at[i,'title']
    to_image_df.at[i,'path']     = dfFilm.at[i,'filmB']
print(to_image_df.head())

这给了我一个结果：

   movie_id   name                path
0      11.0  filmA       pathB1\B1.jpg
1      12.0  filmB  pathB2\ImageB2.jpg

但我想要这样的结果：

   movie_id   name                 path
0      11.0  filmA  pathA1\\ImageA1.jpg
1      11.0  filmA  pathA2\\ImageA2.jpg
2      12.0  filmB   pathB2\ImageB1.jpg
3      12.0  filmB   pathB2\ImageB2.jpg
4      13.0  filmC   pathC1\ImageC1.png

最佳答案

map并展平/展开。

df = pd.DataFrame(dictData)
v = df.title.map(dictFilm)

df = (pd.DataFrame(df.values.repeat(v.str.len(), axis=0), columns=df.columns)
        .assign(path=list(chain.from_iterable(v)))
        .replace('', np.nan)
        .dropna(subset=['path']))

df
   movie_id  title                path
0        11  filmA  pathA1\ImageA1.jpg
1        11  filmA  pathA2\ImageA2.jpg
2        12  filmB  pathB1\ImageB1.jpg
3        12  filmB  pathB2\ImageB2.jpg
4        13  filmC  pathC1\ImageC1.png

关于python - py pandas行迭代在重复的行1-1 1-n中添加新数据，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/51923493/