python数据处理——dataframe里的行列分割

有时候会遇到一种情况，就是在dataframe的某一列中是比较复杂的数据结构，比如一个dict，或者一个list，或者一个list of list，其实都有很好的办法可以解决的，不需要用多重的for循环，这里放两个例子：

Splitting a list in a Pandas cell into multiple columns 

源dataframe
df = pd.DataFrame(data=[[[8,10,12], 'A'],
                        [[7,9,11], 'B']])


目标效果：
  0   1   2  3 
0  8  10  12  A
1  7   9  11  B

其实很简单，只需要一行代码就能解决：

df[0].apply(pd.Series)

#   0    1   2
#0  8   10  12
#1  7    9  11


Update: To keep other columns of the data frame, you can concatenate the result with the columns you want to keep:

pd.concat([df[0].apply(pd.Series), df[1]], axis = 1)

#   0    1   2  1
#0  8   10  12  A
#1  7    9  11  B

另外这里还有其他的几个博客，可以用于参考：

How to convert lists to a dataframe

Convert a list of lists into a Pandas Dataframe

有一个很简单的函数：

nums = 
[[1,2],
 [3,4]]
a = sum(nums,[])   一句话

除了转换成多列，还可以转换成行：

How to split a list inside a Dataframe cell into rows in Pandas

很好用吧

 

更新：

此外，如果在一列中出现的不是上述的list of list，而是dict，其实也很好解决，可以使用这一行代码

 {'bids': [[1.0002, 612.52], [0.9998, 11.6], [0...
1    {'bids': [[11321.12, 0.005634999999999999], [1...
2    {'bids': [[0.46072, 1500], [0.46061, 1500], [0...
3    {'bids': [[11329.89, 0.0011], [11324.46, 0.069...
4    {'bids': [[0.027233, 0.606], [0.027232, 0.5660...


pd.DataFrame(list(meta_df['meta_data']))