Python 从不同长度的多个列表中复制长格式数据帧

假设我有多个列表

A = [1, 2, 3]
B = [1, 4]

我想生成一个长格式的熊猫数据帧，如下所示：

type | value
------------
A    | 1
A    | 2
A    | 3
B    | 1
B    | 4

---

最简单的方法是什么？由于列表可能具有不同的长度，因此不可能使用宽格式和melt（？）的方法。

为

类型创建字典，并通过列表理解创建元组列表：

A = [1, 2, 3]
B = [1, 4]

d = {'A':A,'B':B}

print ([(k, y) for k, v in d.items() for y in v])
[('A', 1), ('A', 2), ('A', 3), ('B', 1), ('B', 4)]

df = pd.DataFrame([(k, y) for k, v in d.items() for y in v], columns=['type','value'])
print (df)
  type  value
0    A      1
1    A      2
2    A      3
3    B      1
4    B      4

另一种解决方案是，如果输入是列表列表列表，并且
type
s应该是整数：

L = [A,B]
df = pd.DataFrame([(k, y) for k, v in enumerate(L) for y in v], columns=['type','value'])
print (df)
   type  value
0     0      1
1     0      2
2     0      3
3     1      1
4     1      4

检查这一点，这借鉴了dplyr、tidyr、R编程语言的第三个库的思想，下面的代码只是为了演示，所以我创建了两个df:df1、df2，您可以动态创建dfs和concat：

import pandas as pd


def gather(df, key, value, cols):
    id_vars = [col for col in df.columns if col not in cols]
    id_values = cols
    var_name = key
    value_name = value
    return pd.melt(df, id_vars, id_values, var_name, value_name)


df1 = pd.DataFrame({'A': [1, 2, 3]})

df2 = pd.DataFrame({'B': [1, 4]})

df_messy = pd.concat([df1, df2], axis=1)

print(df_messy)

df_tidy = gather(df_messy, 'type', 'value', df_messy.columns).dropna()

print(df_tidy)

你得到了df_凌乱的输出

   A    B
0  1  1.0
1  2  4.0
2  3  NaN

df_的输出

  type  value
0    A    1.0
1    A    2.0
2    A    3.0
3    B    1.0
4    B    4.0

PS：请记住，要将值的类型从float转换为int类型，我只是写下来演示一下，并没有过多关注细节。
下面是一个使用字典输入的基于NumPy的解决方案：

d = {'A': [1, 2, 3],
     'B': [1, 4]}

keys, values = zip(*d.items())

res = pd.DataFrame({'type': np.repeat(keys, list(map(len, values))),
                    'value': np.concatenate(values)})

print(res)

  type  value
0    A      1
1    A      2
2    A      3
3    B      1
4    B      4