在数据框中，如何将带有列表的列（所有行的长度相同）分解为同一行的不同列

Question

我有以下数据框：

df=pd.DataFrame({'A': ['1','2', '3'], 'List': [['a1','a2'], ['b1','b2'], ['c1','c2']]})

Out[18]: 
   A      List
0  1  [a1, a2]
1  2  [b1, b2]
2  3  [c1, c2]

我想将列 List 分解为同一行的两个新列（L1 和 L2）。

   A  L1  L2
0  1  a1  a2
1  2  b1  b2
2  3  c1  c2

哪种方式最快？

最好同时为列指定名称（L1 和 L2）。

在此先感谢您并致以最诚挚的问候，

巴勃罗·G

Answer 1

解决方案

试试这个：pd.concat + df[col].apply(pd.Series)

# Option-1
pd.concat([df['A'], df['B'].apply(pd.Series).rename(columns={0: 'L1', 1: 'L2'})], axis=1)

# Option-2
# credit: Mark Wang; for suggestion on using, index = ['L1', 'L2']
pd.concat([df['A'], df['B'].apply(pd.Series, index=['L1', 'L2'])], axis=1)

如果您只想保留 L1 和 L2 列

# Option-1
df['B'].apply(pd.Series).rename(columns={0: 'L1', 1: 'L2'})

# Option-2
# credit: Mark Wang; for suggestion on using, index = ['L1', 'L2']
df['B'].apply(pd.Series, index=['L1', 'L2'])

如果要保留所有原始列

# with prefix
pd.concat([df, df['B'].apply(pd.Series).add_prefix(f'B_')], axis=1)

# with user given column-names
pd.concat([df, df['B'].apply(pd.Series).rename(columns={0: 'L1', 1: 'L2'})], axis=1)

逻辑：

• 沿列连接df 和df_expanded (axis=1)。
• 其中，df_expanded 是通过执行df[col].apply(pd.Series) 获得的。 这会将列表扩展为列。
• 我添加了一个.add_prefix('B_') 以明确列的来源（列B）。

示例

df = pd.DataFrame({'A': [1,2,3], 
                   'B': [['11', '12'], 
                         ['21', '22'], 
                         ['31', '32']]
                   })
col = 'B'
pd.concat([df, df[col].apply(pd.Series).add_prefix(f'{col}_')], axis=1)

Answer 2

试试：

df[['A']].join(df['List'].apply(pd.Series, index=['L1', 'L2']))