Pandas为何扁平化数组？如何遍历列表并筛选长度为2的元素？

原始数据格式如下：

该数据通过以下代码生成：

data = data.groupby(['date'])['temperature'].apply(list).reset_index()

尝试筛选temperature列中长度为2的元素，执行代码：

data = data[data['temperature'].apply(len) == 2]

却报错：object of type 'float' has no len()。用lambda打印元素时，发现输出的是单个数组元素而非列表。

补充信息：生成后的DataFrame中temperature列为object类型，df.to_dict('list')显示该列元素为array类型，执行df[df['temperature'].str.len().isna()]返回空DataFrame。

需要解决三个问题：

1. Pandas为何会扁平化此类迭代？
2. 如何遍历我的列表？
3. 如何仅保留长度为2的列表？

1. Pandas为何会扁平化此类迭代？ #

核心原因是原始temperature列的元素类型不统一，大概率混合了numpy数组和单个float值。当使用groupby.apply(list)时：

• 如果原始元素是numpy数组，list()会直接将数组的元素展开成Python列表（比如np.array([14.1,16.5])会被转为[14.1,16.5]）；
• 如果原始元素是单个float值（可能是缺失值处理或数据导入时的异常），list()无法将其转为列表，会直接保留为float类型。

而Pandas的object列允许混合存储多种类型，导致后续调用apply(len)时，遇到float类型的元素就会触发“没有len属性”的错误。

2. 如何遍历我的列表？ #

首先需要统一temperature列的元素类型，将所有元素转为标准Python列表：

# 将array或单个值统一转为列表，排除字符串类型（避免误转）
data['temperature'] = data['temperature'].apply(
    lambda x: list(x) if hasattr(x, '__iter__') and not isinstance(x, (str, bytes)) else [x]
)

完成类型统一后，即可正常遍历：

# 遍历每行的温度列表
for temp_list in data['temperature']:
    # 遍历列表中的每个温度值
    for temp in temp_list:
        print(temp)

3. 如何仅保留长度为2的列表？ #

分两步处理：先统一元素类型，再筛选长度为2的行：

# 步骤1：统一转为列表
data['temperature'] = data['temperature'].apply(
    lambda x: list(x) if hasattr(x, '__iter__') and not isinstance(x, (str, bytes)) else [x]
)
# 步骤2：筛选长度为2的行
data = data[data['temperature'].apply(len) == 2]

也可以合并为一行代码，直接在筛选时处理类型：

data = data[
    data['temperature'].apply(
        lambda x: len(list(x)) if hasattr(x, '__iter__') and not isinstance(x, (str, bytes)) else len([x])
    ) == 2
]

内容的提问来源于stack exchange，提问作者LucioleMaléfique