pandas 拆分元组列 - Python

在 Pandas 中，我们可以使用 str 属性对字符串型的列进行拆分和切片操作，但是如果我们的数据中存在元组列，该如何进行操作呢？下面是一个示例数据：

import pandas as pd
import numpy as np

data = [("a", (1, 2)), ("b", (3, 4)), ("c", (5, 6))]
df = pd.DataFrame(data, columns=["col1", "col2"])
print(df)

输出结果如下：

  col1   col2
0    a  (1, 2)
1    b  (3, 4)
2    c  (5, 6)

可以看到，我们的数据中存在元组列 col2。如果我们想要将元组列进行拆分，并将其中的元素分别赋值给不同的列，该如何进行操作呢？

一种简单的方法是使用 apply 函数，对每个元素进行操作。具体实现代码如下：

df[["col2_1", "col2_2"]] = df["col2"].apply(pd.Series)
df = df.drop("col2", axis=1)
print(df)

输出结果如下：

  col1  col2_1  col2_2
0    a       1       2
1    b       3       4
2    c       5       6

我们使用 apply 函数对 col2 进行处理，并将处理结果拆分为两列 col2_1 和 col2_2。最后将原来的 col2 列删除。

在上面的示例中，我们只有一个元组列需要进行拆分操作。如果我们有多个元组列需要处理，可以使用循环语句对每个元组列进行操作。具体代码如下：

for col in ["col2", "col3", "col4"]:
    df[[f"{col}_1", f"{col}_2"]] = df[col].apply(pd.Series)
    df = df.drop(col, axis=1)
print(df)

上述代码中，我们使用了一个 for 循环语句，对每个元组列进行操作，并为每个元组列的拆分结果添加了对应的列名称。

除了使用 apply 函数外，我们还可以使用 applymap 函数对 DataFrame 中的每一个元素进行操作。具体代码如下：

df = df.applymap(lambda x: x[0] if isinstance(x, tuple) else x)
print(df)

在上述代码中，我们使用了 applymap 函数，并将 lambda 表达式传递给该函数。该 lambda 表达式判断了每个元素是否为元组类型，如果是，则返回该元组的第一个元素。如果不是，则直接返回该元素的值。

最后，我们将处理结果输出。输出结果如下：

  col1  col2_1  col2_2  col3_1  col3_2 col4_1 col4_2
0    a       1       2       3       4      A      B
1    b       5       6       7       8      C      D
2    c       9      10      11      12      E      F