Как использовать функцию pandas burst() (с примерами)

Вы можете использовать функцию pandasburst() для преобразования каждого элемента встроенного списка в DataFrame.

Эта функция использует следующий базовый синтаксис:

 df. explode (' variable_to_explode ')

В следующем примере показано, как использовать этот синтаксис на практике.

Пример: используйте функцию взрывного() с Pandas DataFrame.

Предположим, у нас есть следующий DataFrame pandas:

 import pandas as pd

#createDataFrame
df = pd. DataFrame ({' team ': [['A', 'B', 'C'], ['D', 'E', 'F'], ['G', 'H', 'I']] ,
                   ' position ':['Guard', 'Forward', 'Center'],
                   ' points ': [7, 14, 19]})

#view DataFrame
df

	team position points
0 [A, B, C] Guard 7
1 [D, E, F] Forward 14
2 [G, H, I] Center 19

Обратите внимание, что столбец команды содержит списки названий команд.

Мы можем использовать функцию взрыв() , чтобы разбить каждый элемент каждого списка на одну строку:

 #explode team column
df. explode (' team ')

        team position points
0 A Guard 7
0 B Guard 7
0 C Guard 7
1D Forward 14
1 E Forward 14
1 F Forward 14
2G Center 19
2H Center 19
2 I Center 19

Обратите внимание, что столбец «Команда» больше не содержит списков. Мы «взорвали» каждый элемент каждого списка в одну строку.

Также обратите внимание, что некоторые строки теперь имеют одинаковое значение индекса.

Мы можем использовать функцию reset_index() для сброса индекса при разрыве столбца команды:

 #explode team column and reset index of resulting dataFrame
df. explode (' team '). reset_index (drop= True )

	team position points
0 A Guard 7
1 B Guard 7
2 C Guard 7
3D Forward 14
4 E Forward 14
5 F Forward 14
6G Center 19
7 A.M. Center 19
8 I Center 19

Обратите внимание, что каждая строка теперь имеет уникальное значение индекса.

Дополнительные ресурсы

В следующих руководствах объясняется, как выполнять другие распространенные операции в pandas:

Как разделить строковый столбец в Pandas на несколько столбцов
Как разделить DataFrame Pandas на несколько DataFrame
Как разделить DataFrame Pandas по значению столбца