将嵌套列表转换为pd数据帧的快速Python方法

我有一个列表，其中每个元素都是一个列表，带有一本书中的字符串

test_list = [['I love Stackoverflow', 'For ever', 'and always'], ['I dont like rain', 'it is wet']]
book_names = ['message to SO', 'confessions']

我想获得以下数据帧

          book              sentence
0  message to SO  I love Stackoverflow
1  message to SO              For ever
2  message to SO            and always
3    confessions      I dont like rain
4    confessions             it is wet

现在，我通过以下代码实现了这一点：

df = pd.DataFrame(test_list, index=book_names).stack().reset_index(level=0)
df.rename(columns={'level_0':'book',
                    0 : 'sentence'},
                    inplace = True)

导致：

            book              sentence
0  message to SO  I love Stackoverflow
1  message to SO              For ever
2  message to SO            and always
0    confessions      I dont like rain
1    confessions             it is wet

现在，我必须对结果重新编制索引：

df.reset_index(drop=True)

我对这段代码不是特别满意，因为必须重置索引和重命名列。谁有更好的解决方案

实际上，测试列表相当大，因此速度也是一个重要的考虑因素

---

提前感谢

我认为下面是使用

zip

在列表理解中创建元组列表的最佳方法，并传递给

DataFrame

构造函数：

df = pd.DataFrame([(b,s) for b, n in zip(book_names, test_list) for s in n], 
                   columns=['book','sentence'])
print (df)
            book              sentence
0  message to SO  I love Stackoverflow
1  message to SO              For ever
2  message to SO            and always
3    confessions      I dont like rain
4    confessions             it is wet

唯一的解决方案是：

---

非常感谢，令人惊讶的答案！还有一个问题，为什么您更喜欢元组/列表理解方法而不是熊猫解决方案编辑：nm，我也喜欢它，更干净。Thanks@Rens-嗯，我认为这取决于数据，但我认为

列表理解

应该更快。真实数据中的最佳测试性能

df = pd.DataFrame({'book':book_names ,
                   'sentence':test_list}).explode('sentence').reset_index(drop=True)
print (df)
            book              sentence
0  message to SO  I love Stackoverflow
1  message to SO              For ever
2  message to SO            and always
3    confessions      I dont like rain
4    confessions             it is wet