Python Pandas—将CSV读入dataframe，其中一列具有不同数量的子列

在Pandas中，是否可能有一个包含不同数量子列的列的数据帧

例如，假设我有以下CSV文件：

transactionId, userName, date, itemList, totalCost

其中，

itemList

包含数量可变的

itemId；itemPrice

成对，成对之间用管道隔开（

|

）。

itemId的数量没有上限；列表中的itemPrice

对

itemId ; itemPrice | itemId ; itemPrice

以下是一些行的示例：

transactionId, userName, date,       itemList,              totalCost
123,           Bob  ,    7/29/2017,  ABC;10|XYZ;20,         30
234,           Alice,    7/31/2017,  CDE;20|QRS;15|KLM;10,  45

第一行有两个

itemId；itemPrice

对，而第二行有三对

如何创建包含此信息的数据框？我需要一个数据帧内的数据帧吗

---

在不同数量的列上还有其他Stackoverflow帖子，但是。

我会尝试规范化您的数据：

---

PS last empty DF表明我们没有任何

totalCost！=总和（价格）

您可以使用列表解析它们

d1 = df.assign(
    itemList=[[x.split(';') for x in y.split('|')] for y in df.itemList.tolist()]
)

d1

   transactionId userName       date                           itemList  totalCost
0            123      Bob  7/29/2017             [[ABC, 10], [XYZ, 20]]         30
1            234    Alice  7/31/2017  [[CDE, 20], [QRS, 15], [KLM, 10]]         45

---

评论回复

f = lambda x: np.array(x)[:, 1].astype(int).sum()

d1.assign(sumPrice=d1.itemList.apply(f))

   transactionId userName       date                           itemList  totalCost  sumPrice
0            123      Bob  7/29/2017             [[ABC, 10], [XYZ, 20]]         30        30
1            234    Alice  7/31/2017  [[CDE, 20], [QRS, 15], [KLM, 10]]         45        45

---

你可以考虑把它们存储为字典吗？如果你想每个单元（而不是字典）有一个单独的值，你应该决定是让表“宽”（每额外值增加一列）还是“高”（每额外值增加一行）。答案会根据你的选择而有所不同。@DYZ:我想我需要广泛的答案。例如，我的目标之一是审核

itemPrice

值的总和是否等于整行的

totalCost

。这是一个有趣的表示。我创建了这个数据框，并且

dataframe.info（）

说

itemList

列的类型是

Object

。我如何迭代

itemList

中的项目来总结

itemPrice

值？我可以这么做，但我们已经走上了一条没有手电筒的黑暗道路。。。你确定要继续吗？我会坚持@MaxU答案中的高数据框。如果可以的话，包括我在内的很多读者都会很感激。“我正在试图理解所涉及的权衡，例如空间与编码复杂性。”stackoverflowuser2010添加了示例。谢谢。非常感谢。

d1 = df.assign(
    itemList=[[x.split(';') for x in y.split('|')] for y in df.itemList.tolist()]
)

d1

   transactionId userName       date                           itemList  totalCost
0            123      Bob  7/29/2017             [[ABC, 10], [XYZ, 20]]         30
1            234    Alice  7/31/2017  [[CDE, 20], [QRS, 15], [KLM, 10]]         45

f = lambda x: np.array(x)[:, 1].astype(int).sum()

d1.assign(sumPrice=d1.itemList.apply(f))

   transactionId userName       date                           itemList  totalCost  sumPrice
0            123      Bob  7/29/2017             [[ABC, 10], [XYZ, 20]]         30        30
1            234    Alice  7/31/2017  [[CDE, 20], [QRS, 15], [KLM, 10]]         45        45