使用pandas设置单元素1维numpy数组时为何变为0维？是否为Bug？

当使用numpy单元素1维数组设置DataFrame单元格时，实际存入的是0维数组；但多元素1维数组不存在这个问题。示例代码如下：

import pandas as pd
import numpy as np

df = pd.DataFrame({"col1": [np.array([1,2,3]), np.array([4,5,6]), np.array([45])]})
print(df)
for i, arr in df.col1.items():
    new_arr = arr + 1
    print(f"{new_arr.ndim=}")
    df.at[i, 'col1'] = new_arr
    print(f"{df.at[i, 'col1'].ndim=}")

结论：这不是Bug，是Pandas的设计行为 #

Pandas在处理单元格赋值时，会尝试将可被视为标量的对象自动转换为更紧凑的表示形式。单元素的1维numpy数组（比如np.array([45])）满足“可提取单个值”的特征，因此Pandas会自动将其降维为0维数组（等价于np.array(45)）；而多元素的1维数组无法被视为单个标量，所以会保留原有的1维结构。

为什么会导致explode异常？ #

explode()方法的作用是将包含列表、元组或1维数组的单元格拆分为多行，但0维数组属于标量类型，explode()不会对其进行拆分，因此会出现不符合预期的结果。

解决方法：强制保留1维数组维度 #

如果需要让单元素1维数组在存入DataFrame时保持原维度，可以通过以下两种方式实现：

1. 用pd.Series包裹数组后赋值：

df.at[i, 'col1'] = pd.Series(new_arr)

2. 将数组放入列表中赋值（明确告知Pandas这是一个数组元素而非标量）：

df.at[i, 'col1'] = [new_arr]

修改后的示例代码运行后，new_arr.ndim和赋值后的df.at[i, 'col1'].ndim都会保持为1，后续使用explode()也能得到正常的拆分结果。

内容的提问来源于stack exchange，提问作者matrs