Python 在大熊猫中分解具有不同长度的列表

我有一个熊猫数据框，其中一列包含不同长度的列表。pandas中分解列表的解决方案都假定要分解的列表长度相同

这是我的df：

    Dep     Exp     Fl-No   Shared Codes
0   20:58   20:55   LX 736  [No shared codes]
1   21:23   20:55   LX 818  [Dummy, LH 5809]
2   21:27   21:00   JU 375  [No shared codes]
4   21:28   21:00   LX 770  [Dummy, SN 5102]
7   21:31   21:10   LX 1842 [Dummy, LH 5880, TP 8184, A3 1985]

这就是我想要的：

    Dep     Exp     Fl-No   Shared Codes
0   20:58   20:55   LX 736  No shared codes
1   21:23   20:55   LX 818  Dummy
1   21:23   20:55   LX 818  LH 5809
2   21:27   21:00   JU 375  No shared codes
4   21:28   21:00   LX 770  Dummy
4   21:28   21:00   LX 770  SN 5102
7   21:31   21:10   LX 1842 Dummy
7   21:31   21:10   LX 1842 LH 5880
7   21:31   21:10   LX 1842 TP 8184
7   21:31   21:10   LX 1842 A3 1985

---

有人有什么建议吗？

使用

np.repeat

和

np.hstack

的一种可能性：

print(df)

     Dep    Exp    Fl-No                        Shared Codes
0  20:58  20:55   LX 736                   [No shared codes]
1  21:23  20:55   LX 818                    [Dummy, LH 5809]
2  21:27  21:00   JU 375                   [No shared codes]
4  21:28  21:00   LX 770                    [Dummy, SN 5102]
7  21:31  21:10  LX 1842  [Dummy, LH 5880, TP 8184, A3 1985]


x = df.iloc[:, :-1].values.repeat(df['Shared Codes'].apply(len), 0)
y = df['Shared Codes'].apply(pd.Series).stack().values.reshape(-1, 1)

out = pd.DataFrame(np.hstack((x, y)), columns=df.columns)
print(out)

     Dep    Exp    Fl-No     Shared Codes
0  20:58  20:55   LX 736  No shared codes
1  21:23  20:55   LX 818            Dummy
2  21:23  20:55   LX 818          LH 5809
3  21:27  21:00   JU 375  No shared codes
4  21:28  21:00   LX 770            Dummy
5  21:28  21:00   LX 770          SN 5102
6  21:31  21:10  LX 1842            Dummy
7  21:31  21:10  LX 1842          LH 5880
8  21:31  21:10  LX 1842          TP 8184
9  21:31  21:10  LX 1842          A3 1985

---

非常类似于@coldspeed。我采取了一些不同的步骤

s = df['Shared Codes']
i = np.arange(len(df)).repeat(s.str.len())
df.iloc[i, :-1].assign(**{'Shared Codes': np.concatenate(s.values)})

     Dep    Exp    Fl-No     Shared Codes
0  20:58  20:55   LX 736  No shared codes
1  21:23  20:55   LX 818            Dummy
1  21:23  20:55   LX 818          LH 5809
2  21:27  21:00   JU 375  No shared codes
4  21:28  21:00   LX 770            Dummy
4  21:28  21:00   LX 770          SN 5102
7  21:31  21:10  LX 1842            Dummy
7  21:31  21:10  LX 1842          LH 5880
7  21:31  21:10  LX 1842          TP 8184
7  21:31  21:10  LX 1842          A3 1985

---

好的，我会再次发布更多信息和其他genius解决方案，请检查并

---

此外，使用

pd.wide\u to_long

但是，个人不建议导致过度杀戮

df1=df['Shared Codes'].apply(pd.Series)
df1.columns='sur'+df1.columns.astype(str)
df=pd.concat([df,df1],axis=1)
pd.wide_to_long(df,['sur'],['Dep','Exp','Fl-No'],'lol').reset_index().drop(['lol','Shared Codes'],axis=1).dropna()

     Dep    Exp    Fl-No     Shared Codes
0  20:58  20:55   LX 736  No shared codes
1  21:23  20:55   LX 818            Dummy
2  21:23  20:55   LX 818          LH 5809
3  21:27  21:00   JU 375  No shared codes
4  21:28  21:00   LX 770            Dummy
5  21:28  21:00   LX 770          SN 5102
6  21:31  21:10  LX 1842            Dummy
7  21:31  21:10  LX 1842          LH 5880
8  21:31  21:10  LX 1842          TP 8184
9  21:31  21:10  LX 1842          A3 1985

---

熊猫>=0.25

df:

    Name    Data
0   Bar [Product, Item, X]
1   Foo [Product, Misc]

df = df.explode('Data')

    Name    Data
0   Bar Product
0   Bar Item
0   Bar X
1   Foo Product
1   Foo Misc

使用Explode:

    Name    Data
0   Bar [Product, Item, X]
1   Foo [Product, Misc]

df = df.explode('Data')

    Name    Data
0   Bar Product
0   Bar Item
0   Bar X
1   Foo Product
1   Foo Misc

df:

    Name    Data
0   Bar [Product, Item, X]
1   Foo [Product, Misc]

df = df.explode('Data')

    Name    Data
0   Bar Product
0   Bar Item
0   Bar X
1   Foo Product
1   Foo Misc

---

@我认为OP不能在这里使用从宽到长的

。数据格式不正确。@Wen实际上我错了。我找到了一种从宽到长的方法，但它太糟糕了，不值得放。@cᴏʟᴅsᴘᴇᴇᴅ “皮尔的答案怎么样？”我投了更高的票。为什么？@cᴏʟᴅsᴘᴇᴇᴅ 我真的希望pandas能够记录下其中一个解决方案，并将其命名为
unlify
似乎
np。无论你选择哪条路线，重复都是必要的。这是我得到它时真正感到满意的几个解决方案之一。@cᴏʟᴅsᴘᴇᴇᴅ
df.set_index（['Dep'、'Exp'、'Fl-No']）['Shared Codes']。apply（pd.Series）.stack（）.reset_index（）.drop（'level_3'，1）
另一个类似的问题链接@cᴏʟᴅsᴘᴇᴇᴅ 发布~：）@BarJacks还不算太晚。请接受答复。