Python 数据帧中dicts列列表的解包列表

Python 数据帧中dicts列列表的解包列表,python,pandas,dataframe,Python,Pandas,Dataframe,我有df_,其中一列是DICT列表: 我想要实现的是一种解包B的通用方法,这样在本例中,每个唯一键B1、B2和B3都会被放入一列中。并在每行中叠加两个多列表作为新的观察值。我认为一个示例输出最好地解释了这一点: df_out = pd.DataFrame({ 'A': [1, 1, 1, 2, 3, 3], 'B1': [1, 4, 7, 10, 13, 16], 'B2': [2, 5, 8, 11, 14, 17], 'B3': [3, 6, 9, 12, 1

我有df_,其中一列是DICT列表:

我想要实现的是一种解包B的通用方法,这样在本例中,每个唯一键B1、B2和B3都会被放入一列中。并在每行中叠加两个多列表作为新的观察值。我认为一个示例输出最好地解释了这一点:

df_out = pd.DataFrame({
    'A': [1, 1, 1, 2, 3, 3],
    'B1': [1, 4, 7, 10, 13, 16],
    'B2': [2, 5, 8, 11, 14, 17],
    'B3': [3, 6, 9, 12, 15, 18],
    'C': ['a', 'a', 'a', 'b', 'c', 'c']
})

df_out
    A   B1  B2  B3  C
0   1   1   2   3   a
1   1   4   5   6   a
2   1   7   8   9   a
3   2   10  11  12  b
4   3   13  14  15  c
5   3   16  17  18  c

有什么想法吗?

使用字典理解和摘录栏:

df1 = pd.concat({k: pd.DataFrame(x) for k, x in df_in.pop('B').items()})
print (df1)
     B1  B2  B3
0 0   1   2   3
  1   4   5   6
  2   7   8   9
1 0  10  11  12
2 0  13  14  15
  1  16  17  18
按和添加原始数据以获得正确的顺序提取并追加C列:

对于正确的顺序,可使用以下替代解决方案:


将字典理解与和用于摘录列:

df1 = pd.concat({k: pd.DataFrame(x) for k, x in df_in.pop('B').items()})
print (df1)
     B1  B2  B3
0 0   1   2   3
  1   4   5   6
  2   7   8   9
1 0  10  11  12
2 0  13  14  15
  1  16  17  18
按和添加原始数据以获得正确的顺序提取并追加C列:

对于正确的顺序,可使用以下替代解决方案:

您可以尝试取消堆叠DICT列表,然后将DICT作为数据帧读取并添加到df_中:

您可以尝试取消堆叠DICT列表,然后将DICT作为数据帧读取并添加到df_中:

df = df_in.join(df1.reset_index(level=1, drop=True)).reset_index(drop=True)
df['C'] = df.pop('C')
print (df)
   A  B1  B2  B3  C
0  1   1   2   3  a
1  1   4   5   6  a
2  1   7   8   9  a
3  2  10  11  12  b
4  3  13  14  15  c
5  3  16  17  18  c
df1 = pd.concat([pd.DataFrame(v['B']).assign(A=v['A'], C=v['C']) 
                   for k, v in df_in.to_dict('index').items()], ignore_index=True)
df1.insert(0, 'A', df1.pop('A'))
print (df1)
   A  B1  B2  B3  C
0  1   1   2   3  a
1  1   4   5   6  a
2  1   7   8   9  a
3  2  10  11  12  b
4  3  13  14  15  c
5  3  16  17  18  c
df_in = df_in.explode('B')

df_out = pd.concat([df_in.reset_index(drop=True), 
                    pd.DataFrame(df_in['B'].tolist())], 
                    axis=1).drop('B', axis = 1).sort_index(axis=1)

df_out

   A  B1  B2  B3  C
0  1   1   2   3  a
1  1   4   5   6  a
2  1   7   8   9  a
3  2  10  11  12  b
4  3  13  14  15  c
5  3  16  17  18  c