Pandas 中轻松拆分列表列的 3 种方法

轻松拆分 Pandas 数据框中的列表列

在数据分析领域，我们经常会遇到包含列表列的数据框。为了进行进一步的分析或处理，有时我们需要将这些列表拆分为多列。在本文中，我们将探讨使用 Pandas 库来拆分列表列的简单且高效的方法。

拆分 Pandas 数据框中列表列的 3 种方法

Pandas 提供了多种方法来拆分列表列，包括：

1. 使用 explode() 方法

explode() 方法可以将列表列中的元素拆分为单独的行，并创建新列来容纳这些元素。使用示例如下：

df_new = df['teams'].explode()

由此产生的 df_new 数据框将包含两个新列：team1 和 team2，其中 team1 列包含列表中的第一个元素，而 team2 列包含列表中的第二个元素。

2. 使用 apply() 方法

apply() 方法允许你对数据框中的每一行应用一个函数。可以使用 lambda 函数来提取列表中的元素并创建新列，如下所示：

df['team1'] = df['teams'].apply(lambda x: x[0])
df['team2'] = df['teams'].apply(lambda x: x[1])

3. 使用 str.split() 方法（适用于字符串列表）

如果 teams 列包含字符串列表，而不是列表，可以使用 str.split() 方法将其拆分为多个列。使用方法如下：

df['teams'] = df['teams'].str.split(',', expand=True)

由此产生的 df 数据框将包含两个新列：team1 和 team2，其中 team1 列包含字符串列表中的第一个元素，而 team2 列包含字符串列表中的第二个元素。

注意事项

• 以上方法要求列表中元素的数量相同。如果列表中元素的数量不同，需要使用其他方法，例如 stack() 和 unstack() 方法。
• 如果需要拆分嵌套列表，可以使用嵌套的 apply() 方法或递归方法。

常见问题解答

1. 如何拆分包含嵌套列表的列？

   • 使用嵌套的 apply() 方法或递归方法。

2. 如果列表中元素的数量不同怎么办？

   • 使用 stack() 和 unstack() 方法。

3. 如何保持拆分后的列的原始数据类型？

   • 使用 astype() 方法来指定所需的列数据类型。

4. 是否有办法同时拆分多个列表列？

   • 是的，可以创建自定义函数来同时处理多个列。

5. 拆分列表列是否会影响原始数据框？

   • 否，拆分列表列会创建新的数据框或修改现有的数据框，但不会影响原始数据框。

结论

拆分 Pandas 数据框中的列表列是数据分析中一项常见的任务。通过使用 explode()、apply() 和 str.split() 方法，你可以轻松地将列表元素拆分为单独的列，从而简化后续的分析和处理。