Question

考虑以下最小例子：

import numpy as np
import pandas as pd
data = {'year': [2010, 2011, 2012, 2011, 2012, 2010, 2011, 2012],
        'foo': [pd.Series(np.random.randn(3)*2) for x in xrange(8)]}
df = pd.DataFrame(data, columns=['year', 'foo'])

在df中呈现iPython时，我会得到类似的内容：

    year    foo
0   2010    0 1.936300 1 0.460437 2 1.895832 dtyp...
1   2011    0 -1.639541 1 -0.460803 2 0.196103 dtyp...
2   2012    0 1.868190 1 -0.571973 2 0.029239 dtyp...
3   2011    0 -1.034721 1 -1.268487 2 0.719374 dtyp...
4   2012    0 1.249795 1 3.279158 2 -3.221805 dtyp...
5   2010    0 3.175814 1 -3.441948 2 -3.710086 dtyp...
6   2011    0 1.237284 1 -2.225327 2 2.923511 dtyp...
7   2012    0 -1.306018 1 -0.804952 2 -0.861195 dtyp...

我想要以下内容：

    year    foo
0   2010    0 1.936300 
            1 0.460437 
            2 1.895832
1   2011    0 -1.639541
            1 -0.460803 
            2 0.196103 
2   2012    0 1.868190 
            1 -0.571973 
            2 0.029239 
3   2011    0 -1.034721 
            1 -1.268487 
            2 0.719374

特别是，foo列中的每个单元格都应显示相应系列中的所有值（并省略dtype部分）。

另一个想要的观点，也可能是有用的，是拆分构成foo的系列。换句话说，在上面的示例中，有六列（而不是foo的一列）将保存系列的索引和值。

Answer 1

类似的东西？：

s = df['foo'].apply(pd.Series, 1).stack()
s.index = s.index.droplevel()
s.name = 'foo'
del df['foo']
df = df.join(s)
df

如何在其中一列中处理包含长序列的pandas数据帧？

1 个答案: