将包含字典列表的列转换为pandas数据框中的多个列

问题描述

我有一个Pandas数据框，如:

I have a Pandas dataframe like :

pd.DataFrame({'a':[1,2], 'b':[[{'c':1,'d':5},{'c':3, 'd':7}],[{'c':10,'d':50}]]})
Out[2]:
   a                                         b
0  1  [{u'c': 1, u'd': 5}, {u'c': 3, u'd': 7}]
1  2                    [{u'c': 10, u'd': 50}]

如果要在"b"中包含多个元素，我想扩展"b"列并重复"a"列，如下所示:

And I want to expand the 'b' column and repeat 'a' column if there are more than one element in 'b' as follow:

Out[2]:
   a   c   d
0  1   1   5
1  1   3   7
2  2  10  50

我尝试在每一行上使用apply函数，但是我没有成功，显然是apply将一行转换为一行.

I tried to use apply function on each row but I was not successful, apparently apply convert one row to one row.

推荐答案

您可以使用 concat 与list comprehension:

df = pd.concat([pd.DataFrame(x) for x in df['b']], keys=df['a'])
       .reset_index(level=1, drop=True).reset_index()

print (df)
   a   c   d
0  1   1   5
1  1   3   7
2  2  10  50

如果索引是唯一的，则可以使用 join 用于所有列:

If index is unique, then is possible use join for all columns:

df1 = pd.concat([pd.DataFrame(x) for x in df['b']], keys=df.index)
        .reset_index(level=1,drop=True)
df = df.drop('b', axis=1).join(df1).reset_index(drop=True)
print (df)
   a   c   d
0  1   1   5
1  1   3   7
2  2  10  50

我尝试简化解决方案:

l = df['b'].str.len()
df1 = pd.DataFrame(np.concatenate(df['b']).tolist(), index=np.repeat(df.index, l))
df = df.drop('b', axis=1).join(df1).reset_index(drop=True)
print (df)
   a   c   d
0  1   1   5
1  1   3   7
2  2  10  50

这篇关于将包含字典列表的列转换为pandas数据框中的多个列的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持！