机器学习：预处理中处理对象数组的问题咨询

• 展开为多行（行转列）
  要是需要把数组里的每个元素拆成单独行，同时保留原列的关联信息，用pandas的explode方法就能快速实现：

  import pandas as pd
  
  # 模拟你的数据
  data = {
      "Column A": ["movie1", "movie2"],
      "Column B": [
          [{"iso_639_1": "en", "name": "English"}, {"iso_639_1": "zh", "name": "普通话"}],
          [{"iso_639_1": "da", "name": "Dansk"}, {"iso_639_1": "en", "name": "English"}, {"iso_639_1": "no", "name": "Norsk"}, {"iso_639_1": "ru", "name": "Русский"}]
      ]
  }
  df = pd.DataFrame(data)
  
  # 先把数组拆成多行
  df_exploded = df.explode("Column B", ignore_index=True)
  # 再把字典格式的内容拆成单独列
  df_final = pd.concat([df_exploded["Column A"], df_exploded["Column B"].apply(pd.Series)], axis=1)
  

  处理后每行对应一个语言条目，电影名和语言信息一一对应，方便后续分析。

• 提取特定字段生成新列
  如果只需要数组里的某类信息（比如所有语言名称、特定语言代码），用列表推导式直接提取就行：

  # 提取所有语言名称，用逗号拼接成字符串
  df["language_names"] = df["Column B"].apply(lambda x: ", ".join([item["name"] for item in x]))
  # 提取第一个语言的ISO代码
  df["first_language_code"] = df["Column B"].apply(lambda x: x[0]["iso_639_1"] if x else None)
  

  这种方式能快速生成扁平的字段，适配大多数数据分析工具的需求。

• 合并为结构化字符串
  要是需要保留完整的数组信息，但又不想处理嵌套结构，直接转成JSON字符串存储：

  import json
  df["Column B_str"] = df["Column B"].apply(json.dumps)
  

  后续需要使用原始数据时，再用json.loads把字符串转回数组即可，适合需要存档完整信息的场景。

• 过滤数组元素
  如果只需要数组中符合特定条件的条目（比如只保留英文），用简单的过滤逻辑就能实现：

  df["english_only"] = df["Column B"].apply(lambda x: [item for item in x if item["iso_639_1"] == "en"])
  

  可以根据业务需求灵活调整过滤条件，筛选出有用的子数组。

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