Explotar (dividir) entradas de cadenas del marco de datos de Pandas en filas separadas

En Pandas, un requisito común es dividir valores separados por comas en un columna de cadena de texto y cree una nueva fila para cada entrada. Esto se puede lograr a través de varios métodos.

Usando Series.explode() o DataFrame.explode()

Para las versiones 0.25.0 y superiores de Pandas, la serie. Los métodos explode() y DataFrame.explode() proporcionan una manera conveniente de explotar columnas tipo CSV:

Para columnas individuales columnas:

df.explode('column_name')

Para varias columnas:

df.explode(['column1', 'column2'])  # Pandas 1.3.0 

Vectorizado genérico Función

A continuación se proporciona un enfoque vectorizado más versátil que funciona tanto para columnas normales como para columnas de lista:

def explode(df, lst_cols, fill_value='', preserve_index=False):
    # Convert CSV string columns to list columns
    for col in lst_cols:
        df[col] = df[col].str.split(',')

    # Extract all non-list columns
    idx_cols = df.columns.difference(lst_cols)

    # Calculate list lengths
    lens = df[lst_cols[0]].str.len()

    # Create exploded DataFrame
    result = (pd.DataFrame({
        col: np.repeat(df[col].values, lens)
        for col in idx_cols
    }, index=np.repeat(df.index.values, lens))
        .assign(**{col: np.concatenate(df.loc[lens>0, col].values)
                    for col in lst_cols}))

    # Handle empty list rows
    if (lens == 0).any():
        result = result.append(df.loc[lens==0, idx_cols], sort=False).fillna(fill_value)

    # Revert index order and reset index if requested
    result = result.sort_index()
    if not preserve_index:
        result = result.reset_index(drop=True)

    return result

Aplicaciones

Columna CSV:

df['var1'] = df['var1'].str.split(',')

Lista múltiple Columnas:

explode(df, ['num', 'text'], fill_value='')