将任意数量的 numpy 数组行拆分为 Pandas Dataframe 中的列 [重复]

Question

我有一个 Pandas 数据框，其中包含两种类型的列，一种包含 numpy 数组，另一种包含浮点数。

例如：

      arr1   f1
[0.3, 1.3]  3.5

我需要将数组的值分成行。

如果我只有这两列，我可以像这样轻松拆分数组：

df = pd.DataFrame([[x, j] for i, j in zip(a['arr1'], a['f1']) for x in list(i)], columns=['arr1', 'df1])

结果如下：

arr1   f1
0.3   3.5
1.3   3.5

但是，我可以有任意数量的数组和浮点列，其中同一行中的数组始终具有相同的长度，即：我可以匹配两个数组的所有元素((a1, b1), (a2, b2), ..., (a_n, b_n))。

      arr1   f1        arr2  f2
[0.3, 1.3]  3.5 [14.8, 1.2] 1.6

拆分数组后，结果应如下所示：

arr1   f1  arr2  f2
 0.3  3.5  14.8 1.6
 1.3  3.5  1.2  1.6

很容易知道一列有什么样的数据，因此我可以相应地使用 zip，但无论如何我不知道如何使它适用于任意数量的列。

Answer 1

列的顺序很重要时的解决方案 - 使用 DataFrame.explode 的列表推导：

dfs = [df[list(x)].explode(x[0]) for x in zip(df.columns[::2], df.columns[1::2])]

df = pd.concat(dfs, axis=1).reset_index(drop=True)
print (df)
  arr1   f1  arr2   f2
0  0.3  3.5  14.8  1.6
1  1.3  3.5   1.2  1.6

你的解决方案：

dfs = [pd.DataFrame([[a, j] for i, j in zip(df[x[0]], 
                                            df[x[1]]) for a in i], columns=x) 
                    for x in zip(df.columns[::2], df.columns[1::2])]

df = pd.concat(dfs, axis=1)
print (df)
   arr1   f1  arr2   f2
0   0.3  3.5  14.8  1.6
1   1.3  3.5   1.2  1.6

Answer 2

让我们试试unnesting

df = unnesting(df, ['arr1','arr2'] , axis=1)

---

def unnesting(df, explode, axis):
    if axis==1:
        idx = df.index.repeat(df[explode[0]].str.len())
        df1 = pd.concat([
            pd.DataFrame({x: np.concatenate(df[x].values)}) for x in explode], axis=1)
        df1.index = idx

        return df1.join(df.drop(explode, 1), how='left')
    else :
        df1 = pd.concat([
                         pd.DataFrame(df[x].tolist(), index=df.index).add_prefix(x) for x in explode], axis=1)
        return df1.join(df.drop(explode, 1), how='left')