Python 使用行分隔符转换数据帧

我创建了一个接受数据帧作为输入的函数：

a = {"string": ['xxx', 'yyy'], "array": [[1,2,3,4,5,6,1,2,3,6,6,2,2,3,5,6], [2,6,6]]}
df = pd.DataFrame(a)

    string  array
0   xxx [1, 2, 3, 4, 5, 6, 1, 2, 3, 6, 6, 2, 2, 3, 5, 6]
1   yyy [2, 6, 6]

并返回一个数据帧，其中某个分隔符编号（在本例中为6）是传递的参数：

    string  array
0   xxx [1, 2, 3, 4, 5, 6]
1   xxx [1, 2, 3, 6]
2   xxx [6]
3   xxx [2, 2, 3, 5, 6]
4   yyy [2, 6]
5   yyy [6]

以下是我得到的：

def df_conversion(df, sep=None):
    data = {}
    idx = []
    
    for i in range(df.shape[0]):       
        key = df['string'].iloc[i]
        value = df['array'].iloc[i]

        spl = [[]]
        for item in value:
            if item == sep:
                spl[-1].append(item)
                idx.append(key)
                spl.append([])
            else:
                spl[-1].append(item)

        del spl[-1]
        if i == 0: spl_0 = spl
        if i == 1: spl_0.extend(spl)

    data['string'] = idx
    data['array'] = spl_0

    return pd.DataFrame(data)

df_conversion(df, 6)

如何简化函数并使其更通用？ 如何使功能更快？

---

谢谢。

您可以使用和简洁地执行此操作：

sep=6
df.array=df.array.apply（λa:
np.split（a，1+np.where（np.array（a）==sep）[0][：-1]））
df=df.set_index（'string'）。explode（'array'）。reset_index（）
#字符串数组
#0 xxx[1,2,3,4,5,6]
#xxx[1,2,3,6]
#2 xxx[6]
#3xxx[2,2,3,5,6]
#4 yyy[2,6]
#5 yyy[6]

---

解释和 我们用于查找

sep

的索引：

a=[1,2,3,4,5,6,1,2,3,6,6,2,2,3,5,6]
九月=6
其中（np.数组（a）=sep）[0]
#数组（[5,9,10,15]）

但是，在每个索引之后进行拆分，将

sep

放在每个拆分的开头：

np.split（a，np.where（np.array（a）=sep）[0]）
#[数组（[1,2,3,4,5]），
#数组（[6,1,2,3]），
#数组（[6]），
#数组（[6,2,2,3,5]），
#数组（[6]）]

相反，OP希望在每个索引之前进行拆分，以在每个拆分结束时保留

sep

，因此我们移动拆分索引（

1+

），并删除不再存在的最后一个拆分索引（

[：-1]

）：

np.split（a，1+np.where（np.array（a）==sep）[0][：-1]）
#[数组（[1,2,3,4,5,6]），
#数组（[1,2,3,6]），
#数组（[6]），
#数组（[2,2,3,5,6]）]

与以下部件一起使用：

---

+1但是你介意解释一下

1+

和

[：-1]

以节省理解的时间吗？我认为，在你离开他们，看看你得到了什么之前，乍一看（至少对我来说）还不清楚。

In [2174]: sep = '6'

In [2167]: df.array = df.array.apply(lambda x: ','.join(map(str, x))).str.split(sep)

In [2168]: df = df.explode('array')

In [2169]: df.array = df.array + sep

In [2171]: df.array = np.where(df.array.str.startswith(','), df.array.str[1:], df.array)
In [2183]: df = df.drop_duplicates()
In [2172]: df.array = df.array.str.split(',')

In [2186]: df
Out[2186]: 
  string               array
0    xxx  [1, 2, 3, 4, 5, 6]
0    xxx        [1, 2, 3, 6]
0    xxx                 [6]
0    xxx     [2, 2, 3, 5, 6]
1    yyy              [2, 6]
1    yyy                 [6]