在数据处理的海洋中，Pandas 无疑是我们最强大的船只。然而，当我们面对 DataFrame 中那些令人头疼的列表列时，即使是最老练的水手也会感到困惑。今天，我们将深入探讨如何将这些列表列“爆炸”成独立的行，为您的数据分析之旅扫清障碍。

方法一：DataFrame.explode() - 最简便的爆炸

自 Pandas 0.25 版本以来，explode() 方法成为了处理列表列的利器。假设我们有一个 DataFrame df，其中包含列 'A' 和 'B'，后者是列表：

df = pd.DataFrame({'A': [1, 2], 'B': [[1, 2], [3, 4]]})
df_exploded = df.explode('B')

这行代码将每个列表元素转换为单独的行，简单而直接。

方法二：Series 的艺术

如果您偏爱传统，可以通过 Series 来实现：

df_exploded = df.set_index('A').B.apply(pd.Series).stack().reset_index(level=0).rename(columns={0:'B'})

这种方法通过将 'A' 设为索引，然后将 'B' 列的每个元素转换为 Series，最后堆叠和重置索引，达到去嵌套的效果。

方法三：DataFrame 的重复

重复 DataFrame 的行，然后分配新的 'B' 值：

df_exploded = pd.DataFrame({'A':df.A.repeat(df.B.str.len()),'B':np.concatenate(df.B.values)})

这里，我们利用 repeat 方法重复 'A' 列的行数，然后用 np.concatenate 合并 'B' 列的列表。

方法四：Reindex 和 Loc 的魔力

df_exploded = df.reindex(df.index.repeat(df.B.str.len())).assign(B=np.concatenate(df.B.values))

通过重新索引和分配新值，这种方法同样能达到目的。

方法五：ChainMap 的巧妙应用

from collections import ChainMap
d = dict(ChainMap(*map(dict.fromkeys, df['B'], df['A'])))
df_exploded = pd.DataFrame(list(d.items()),columns=df.columns[::-1])

ChainMap 提供了一种独特的视角，将列表转换为字典，然后再转回 DataFrame。

方法六：Numpy 的效率

newvalues=np.dstack((np.repeat(df.A.values,list(map(len,df.B.values))),np.concatenate(df.B.values)))
df_exploded = pd.DataFrame(data=newvalues[0],columns=df.columns)

Numpy 的高效计算在这里发挥了作用，通过堆叠和重复操作，快速处理数据。

方法七：迭代器的循环之美

from itertools import cycle,chain
l=df.values.tolist()
l1=[list(zip([x[0]], cycle(x[1])) if len([x[0]]) > len(x[1]) else list(zip(cycle([x[0]]), x[1]))) for x in l]
df_exploded = pd.DataFrame(list(chain.from_iterable(l1)),columns=df.columns)

迭代器的使用让代码变得更加灵活和有趣，通过循环和链式操作，实现了列表的去嵌套。

多列的泛化

当面对多列嵌套时，我们可以定义一个函数来处理：

def unnesting(df, explode):
    idx = df.index.repeat(df[explode[0]].str.len())
    df1 = pd.concat([pd.DataFrame({x: np.concatenate(df[x].values)}) for x in explode], axis=1)
    df1.index = idx
    return df1.join(df.drop(explode, 1), how='left')

这个函数可以处理多个列的嵌套问题，灵活而强大。

结论

无论您是数据科学的新手还是老手，掌握这些方法将使您在处理 Pandas DataFrame 时更加得心应手。每个方法都有其独特的魅力和适用场景，选择适合您的数据和需求的方法，让您的分析之旅更加顺畅。

通过这些技巧，您的数据处理将不再是单调的重复，而是充满了创造性和效率的探索。记住，数据分析的艺术在于如何巧妙地利用工具，让数据为您所用。继续关注 PHP 中文网，获取更多数据处理的技巧和方法，让您的技能更上一层楼！