将DataFrame中的数组元素转换为新的行-Python教程-PHP中文网

将DataFrame中的数组元素转换为新的行

碧海醫心

发布： 2025-11-02 12:11:01

原创

600人浏览过

将dataframe中的数组元素转换为新的行

本文介绍了如何将DataFrame中包含数组的列，通过提取数组元素的组合，转换为新的行。通过使用itertools.combinations生成元素对，并结合Pandas的explode和join操作，实现数据的重塑，最终将数组元素展开为新的列。

在数据处理中，经常会遇到DataFrame的某一列包含列表或数组的情况。有时，我们需要将这些数组中的元素展开，并将它们与其他列的数据进行组合，生成新的行。本教程将演示如何使用Python的pandas和itertools库来实现这一目标。

示例数据

首先，我们创建一个示例DataFrame，其中包含Group、A_x、A_y以及包含列表的B_m和B_n列。

import pandas as pd
from itertools import combinations

df = pd.DataFrame(
    data=[
        [0, 4, 9, [8, 7, 3], [-10, 5, 2]],
        [0, 1, 2, [8, 7, 3], [-10, 5, 2]],
        [1, 3, 3, [1, 2], [-5, 1]],
    ],
    columns=['Group', 'A_x', 'A_y', 'B_m', 'B_n'],
)
print(df)

登录后复制

输出：

   Group  A_x  A_y        B_m          B_n
0      0    4    9  [8, 7, 3]  [-10, 5, 2]
1      0    1    2  [8, 7, 3]  [-10, 5, 2]
2      1    3    3     [1, 2]      [-5, 1]

登录后复制

我们的目标是将B_m和B_n列中的列表元素两两组合，并生成新的列B_m1、B_n1、B_m2和B_n2，每个新行包含一个组合。

实现方法

以下是实现此目标的函数：

行者AI

行者AI绘图创作，唤醒新的灵感，创造更多可能

100

查看详情

def make_pairs(df: pd.DataFrame, col: str) -> pd.DataFrame:
    """
    将DataFrame中指定列的列表元素两两组合，生成新的DataFrame。

    Args:
        df: 输入DataFrame。
        col: 要处理的列名。

    Returns:
        包含组合元素的DataFrame。
    """
    pairs = (
        df[col]
        # Create 2-pair combinations of each list in the series 
        .apply(lambda x: [*combinations(iterable=x, r=2)])
        # Explode into a series of 2-item lists
        .explode()
    )
    # Construct a dataframe of the using the original index for joining
    return pd.DataFrame(
        data=pairs.to_list(),
        index=pairs.index,
        columns=[f"{col}{i}" for i in range(1, 3)]
    )

登录后复制

该函数首先使用itertools.combinations生成指定列中每个列表的元素对组合。然后，使用explode方法将这些组合展开为单独的行。最后，创建一个新的DataFrame，其中包含这些组合元素，并使用原始DataFrame的索引进行连接。

应用函数并生成结果

现在，我们可以应用该函数来处理B_m和B_n列，并将结果连接回原始DataFrame。

out = (
    df.join(
        other=[
            make_pairs(df=df, col="B_m"),
            make_pairs(df=df, col="B_n"),
        ],
    )
    # Drop the unneeded columns.
    .drop(columns=["B_m", "B_n"])
)
print(out)

登录后复制

输出：

   Group  A_x  A_y  B_m1  B_m2  B_n1  B_n2
0      0    4    9     8     7   -10     5
0      0    4    9     8     7   -10     2
0      0    4    9     8     7     5     2
0      0    4    9     8     3   -10     5
0      0    4    9     8     3   -10     2
0      0    4    9     8     3     5     2
0      0    4    9     7     3   -10     5
0      0    4    9     7     3   -10     2
0      0    4    9     7     3     5     2
1      0    1    2     8     7   -10     5
1      0    1    2     8     7   -10     2
1      0    1    2     8     7     5     2
1      0    1    2     8     3   -10     5
1      0    1    2     8     3   -10     2
1      0    1    2     8     3     5     2
1      0    1    2     7     3   -10     5
1      0    1    2     7     3   -10     2
1      0    1    2     7     3     5     2
2      1    3    3     1     2    -5     1

登录后复制