python - "Desapilar" una columna de pandas que contiene listas en varias filas

dataframe

Question

Esta pregunta ya tiene una respuesta aquí:

• ¿Cómo deshacer (explotar) una columna en un DataFrame de pandas? 11 respuestas

Digamos que tengo el siguiente marco de datos de Pandas:

df = pd.DataFrame({"a" : [1,2,3], "b" : [[1,2],[2,3,4],[5]]})
   a          b
0  1     [1, 2]
1  2  [2, 3, 4]
2  3        [5]

¿Cómo "desapilaría" las listas en la columna "b" para transformarlas en el marco de datos:

   a  b
0  1  1
1  1  2
2  2  2
3  2  3
4  2  4
5  3  5

Answer 1

Aquí hay otro enfoque con itertuples :

df = pd.DataFrame({"a" : [1,2,3], "b" : [[1,2],[2,3,4],[5]]})

data = []

for i in df.itertuples():
    lst = i[2]
    for col2 in lst:
        data.append([i[1], col2])

df_output = pd.DataFrame(data =data, columns=df.columns)
df_output 

La salida es -

        a   b
    0   1   1
    1   1   2
    2   2   2
    3   2   3
    4   2   4
    5   3   5

Editar: también puede comprimir los bucles en un solo código y completar los data como:

data = [[i[1], col2] for i in df.itertuples() for col2 in i[2]]

Answer 2

ACTUALIZACIÓN: enfoque vectorizado genérico : funcionará también para múltiples columnas DF:

asumiendo que tenemos el siguiente DF:

In [159]: df
Out[159]:
   a          b  c
0  1     [1, 2]  5
1  2  [2, 3, 4]  6
2  3        [5]  7

Solución:

In [160]: lst_col = ''b''

In [161]: pd.DataFrame({
     ...:     col:np.repeat(df[col].values, df[lst_col].str.len())
     ...:     for col in df.columns.difference([lst_col])
     ...: }).assign(**{lst_col:np.concatenate(df[lst_col].values)})[df.columns.tolist()]
     ...:
Out[161]:
   a  b  c
0  1  1  5
1  1  2  5
2  2  2  6
3  2  3  6
4  2  4  6
5  3  5  7

Preparar:

df = pd.DataFrame({
    "a" : [1,2,3],
    "b" : [[1,2],[2,3,4],[5]],
    "c" : [5,6,7]
})

Enfoque NumPy vectorizado:

In [124]: pd.DataFrame({''a'':np.repeat(df.a.values, df.b.str.len()),
                        ''b'':np.concatenate(df.b.values)})
Out[124]:
   a  b
0  1  1
1  1  2
2  2  2
3  2  3
4  2  4
5  3  5

ANTIGUA respuesta:

Prueba esto:

In [89]: df.set_index(''a'', append=True).b.apply(pd.Series).stack().reset_index(level=[0, 2], drop=True).reset_index()
Out[89]:
   a    0
0  1  1.0
1  1  2.0
2  2  2.0
3  2  3.0
4  2  4.0
5  3  5.0

O una solución un poco mejor proporcionada por @Boud :

In [110]: df.set_index(''a'').b.apply(pd.Series).stack().reset_index(level=-1, drop=True).astype(int).reset_index()
Out[110]:
   a  0
0  1  1
1  1  2
2  2  2
3  2  3
4  2  4
5  3  5