Python 如何将包含列表作为字段的pandas数据帧拆分为多索引数据帧？

我有一个pandas数据框架，它包含作为元素的列表（而不是numpy数组），并希望将其分解为一个分层索引的数据框架。 以下是我试图实现的一个示例： 我有一个这种形式的数据框架：

 | Model  | Company  | Url  | Criteria              |    Rating
1| Mode11 | Company1 | Url1 |[Criteria1, Criteria2] | [Rating1 , Rating2]     
2| Mode12 | Company2 | Url2 |[Criteria4, Criteria5] | [Rating4, Rating5]

进入

import sys#如果从文件读取数据，则不需要StringIO
如果系统版本信息[0]<3：
从StringIO导入StringIO
其他：
从io导入StringIO
作为pd进口熊猫
dfstr=StringIO（“|模型|公司| Url |标准|评级
1 |模式11 |公司1 | Url1 |[标准1，标准2]|[评级1，评级2]
2 |模式12 |公司2 | Url2 |[标准4，标准5]|[评级4，评级5]“”）
df=pd.DataFrame.from_csv（dfstr，sep='|'）
df.columns=['Model'、'Company'、'Url'、'Criteria'、'Rating']#无空格
def slist（listish）：#没有引号的列表有点痛苦
返回listish.strip（“[]”）。拆分（“，”）
def row2df（oldrow）：#为每行创建一个小的子数据帧
tmp=pd.DataFrame（zip（slist（第[1]行）。标准），slist（第[1]行。评级）））
对于['Model'、'Company'、'Url']中的val：
tmp[val]=行[1][val]
返回tmp
outdf=pd.concat（[row2df（row）表示df.iterrows（）中的行）#并将它们粘在一起
outdf.index=outdf[0]#标准索引
外倾下降（0，轴=1，在位=True）
outdf.columns=['Rating'、'Model'、'Company'、'Url']#整理名称
打印（国防军）

标准和评级列之间的关系是什么？你想根据哪一个建立索引，或者两者都是？为了澄清，为什么在您想要的结果中，

评级

元素会被拆分？标准和评级列表是否始终具有相同的长度和顺序，或者您是否需要解析名称以找出哪些匹配？标准和评级始终具有相同的长度和顺序。[其中每个标准与评级有一对一的关系]@offbyone抱歉忘了通知您我的comment@cphlewis而且[新手问题]很酷。如果你考虑回答的问题，在答案的左上角有一个复选标记，可以这么说。（也给了我一些stackoverflow积分。）说我投赞成票需要15点声誉。一旦我得到15分，我会投票支持你的答案。你真的为我节省了很多时间。谢谢你提出这个问题，我想你会说这是一个答案——复选标记在投票向下箭头下。（也欢迎来到StackOverflow。）

               |Model | Company |  Url  | Rating
               ----------------------------------
     Criteria 1|Model1| Company1| Url1  |Rating1
     Criteria 2|Model1| Company1| Url1  |Rating2
     Criteria 3|Model1| Company1| Url1  |Rating3
     Criteria 4|Model2| Company2| Url2  |Rating4
     Criteria 5|Model2| Company2| Url2  |Rating5
     Criteria 6|Model2| Company2| Url2  |Rating6

import sys # you don't need StringIO if you're reading the data from a file
if sys.version_info[0] < 3:
    from StringIO import StringIO
else:
    from io import StringIO 
import pandas as pd


dfstr = StringIO(""" | Model  | Company  | Url  | Criteria              |    Rating
1| Mode11 | Company1 | Url1 |[Criteria1, Criteria2] | [Rating1 , Rating2]
2| Mode12 | Company2 | Url2 |[Criteria4, Criteria5] | [Rating4, Rating5]""")
df = pd.DataFrame.from_csv(dfstr, sep='|')
df.columns = ['Model','Company','Url','Criteria','Rating'] # no whitespace


def slist(listish): # list-without-quotes is kind of a pain
    return listish.strip(' []').split(', ')

def row2df(oldrow): # make a little sub-DataFrame for each row 
    tmp = pd.DataFrame(zip(slist(row[1].Criteria),slist(row[1].Rating)))
    for val in ['Model','Company','Url']:
        tmp[val] = row[1][val]
    return tmp


outdf = pd.concat([row2df(row) for row in df.iterrows()]) # and stick them together
outdf.index = outdf[0] # index on the Criteria
outdf.drop(0, axis=1,inplace=True) 
outdf.columns = ['Rating','Model','Company','Url'] # tidy up the names
print(outdf)