両方を持つユーザーとしてRとpython、私は質問のこのタイプ回のカップルを見てきました。
Rでは、パッケージにtidyrと呼ばれる組み込み関数がありますunnest。ただし、Python（pandas）には、このタイプの質問に対する組み込み関数はありません。
私が知っているobject列はtype常にして変換するために、ハードデータを作成pandas'関数。このようなデータを受け取ったとき、最初に頭に浮かんだのは、列を「平坦化」またはネスト解除することでした。
この種の質問にはpandasとpython関数を使用しています。上記のソリューションの速度が心配な場合は、user3483203の回答を確認してください。numpyおり、ほとんどの場合numpyはより高速です。私はお勧めCpythonとnumbaスピードがあなたのケースで重要ならば。
方法0 [pandas> = 0.25] pandas 0.25
から開始して、1つの列のみを分解する必要がある場合は、次の関数を使用できます。explode
df.explode('B')
A B
0 1 1
1 1 2
0 2 1
1 2 2
方法1
apply + pd.Series（理解するのは簡単ですが、パフォーマンスに関しては推奨されません。）
df.set_index('A').B.apply(pd.Series).stack().reset_index(level=0).rename(columns={0:'B'})
Out[463]:
A B
0 1 1
1 1 2
0 2 1
1 2 2
方法2コンストラクタで
使用repeatしDataFrameて、データフレームを再作成します（パフォーマンスは良いが、複数の列は得られない）
df=pd.DataFrame({'A':df.A.repeat(df.B.str.len()),'B':np.concatenate(df.B.values)})
df
Out[465]:
A B
0 1 1
0 1 2
1 2 1
1 2 2
たとえば、A以外の方法2.1にはA.1 ..... Anがあります。上記の方法（方法2）を引き続き使用する場合、列を1つずつ再作成することは困難です。
解決策：joinまたは単一列を「アンネスト」mergeしたindex後
s=pd.DataFrame({'B':np.concatenate(df.B.values)},index=df.index.repeat(df.B.str.len()))
s.join(df.drop('B',1),how='left')
Out[477]:
B A
0 1 1
0 2 1
1 1 2
1 2 2
以前とまったく同じ列順序が必要な場合は、 reindexは、最後します。
s.join(df.drop('B',1),how='left').reindex(columns=df.columns)
方法3
再作成するlist
pd.DataFrame([[x] + [z] for x, y in df.values for z in y],columns=df.columns)
Out[488]:
A B
0 1 1
1 1 2
2 2 1
3 2 2
3列以上の場合は、
s=pd.DataFrame([[x] + [z] for x, y in zip(df.index,df.B) for z in y])
s.merge(df,left_on=0,right_index=True)
Out[491]:
0 1 A B
0 0 1 1 [1, 2]
1 0 2 1 [1, 2]
2 1 1 2 [1, 2]
3 1 2 2 [1, 2]
方法4 または
を使用reindexloc
df.reindex(df.index.repeat(df.B.str.len())).assign(B=np.concatenate(df.B.values))
Out[554]:
A B
0 1 1
0 1 2
1 2 1
1 2 2
#df.loc[df.index.repeat(df.B.str.len())].assign(B=np.concatenate(df.B.values))
リストに一意の値のみが含まれる場合の方法5：
df=pd.DataFrame({'A':[1,2],'B':[[1,2],[3,4]]})
from collections import ChainMap
d = dict(ChainMap(*map(dict.fromkeys, df['B'], df['A'])))
pd.DataFrame(list(d.items()),columns=df.columns[::-1])
Out[574]:
B A
0 1 1
1 2 1
2 3 2
3 4 2
方法6
を使用numpyして高性能を実現する：
newvalues=np.dstack((np.repeat(df.A.values,list(map(len,df.B.values))),np.concatenate(df.B.values)))
pd.DataFrame(data=newvalues[0],columns=df.columns)
A B
0 1 1
1 1 2
2 2 1
3 2 2
方法7と
基本関数itertools cycleを使用chain：楽しみのためだけの純粋なpythonソリューション
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]
pd.DataFrame(list(chain.from_iterable(l1)),columns=df.columns)
A B
0 1 1
1 1 2
2 2 1
3 2 2
複数の列への一般化
df=pd.DataFrame({'A':[1,2],'B':[[1,2],[3,4]],'C':[[1,2],[3,4]]})
df
Out[592]:
A B C
0 1 [1, 2] [1, 2]
1 2 [3, 4] [3, 4]
自己定義機能：
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')
unnesting(df,['B','C'])
Out[609]:
B C A
0 1 1 1
0 2 2 1
1 3 3 2
1 4 4 2
列単位のネスト解除
上記のすべての方法は、垂直方向のネスト解除と分解について説明しています。水平方向にリストを拡張する必要がある場合は、pd.DataFrameコンストラクタで確認してください
df.join(pd.DataFrame(df.B.tolist(),index=df.index).add_prefix('B_'))
Out[33]:
A B C B_0 B_1
0 1 [1, 2] [1, 2] 1 2
1 2 [3, 4] [3, 4] 3 4
更新された機能
def unnesting(df, explode, axis):
if axis==1:
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')
else :
df1 = pd.concat([
pd.DataFrame(df[x].tolist(), index=df.index).add_prefix(x) for x in explode], axis=1)
return df1.join(df.drop(explode, 1), how='left')
テスト出力
unnesting(df, ['B','C'], axis=0)
Out[36]:
B0 B1 C0 C1 A
0 1 2 1 2 1
1 3 4 3 4 2
