Pandas中同时运用stack与explode处理列的技术问题

原始数据 #

import pandas as pd
import numpy as np
df = pd.DataFrame({'Session':['session1', 'session2','session3'],
                    'Course 1':['intro to','advanced','Cv'],
                    'Course 2':['Computer skill',np.nan,'Write cover letter'],
                    'Attendees':['24 & 46','23','30']})

当前操作的问题 #

现有操作先拆分并explodeAttendees列，再执行stack，结果丢失了session3的Course 2记录，无法得到完整的匹配结果：

• 当前错误结果：

Session     level_1             Courses      Attendees
0  session1  Course 1            intro to        24
1  session1  Course 2      Computer skill        46
2  session2  Course 1            advanced        23
3  session3  Course 1                  Cv        30

• 期望结果：

Session     level_1             Courses      Attendees
0  session1  Course 1            intro to        24
1  session1  Course 2      Computer skill        46
2  session2  Course 1            advanced        23
3  session3  Course 1                  Cv        30
4  session3  Course 2   Write cover letter        30

解决方案 #

调整操作顺序，先将课程列stack，再根据每个Session的课程数量匹配参会人数：

import pandas as pd
import numpy as np

df = pd.DataFrame({'Session':['session1', 'session2','session3'],
                    'Course 1':['intro to','advanced','Cv'],
                    'Course 2':['Computer skill',np.nan,'Write cover letter'],
                    'Attendees':['24 & 46','23','30']})

# 第一步：将课程列stack，保留Session和Attendees，过滤NaN的课程
course_stack = df.set_index(['Session', 'Attendees']).stack().reset_index().rename(columns={0:'Courses', 'level_2':'level_1'})

# 第二步：拆分Attendees为列表，并根据每个Session的课程数量分配对应人数
def assign_attendees(group):
    attendees_list = group['Attendees'].iloc[0].split(' & ')
    # 如果参会人数列表长度和课程数一致，直接分配；否则重复参会人数（如session3）
    if len(attendees_list) == len(group):
        group['Attendees'] = attendees_list
    else:
        group['Attendees'] = attendees_list * len(group)
    return group

# 按Session分组处理
result = course_stack.groupby('Session').apply(assign_attendees).reset_index(drop=True)

print(result)

执行后得到的结果与期望一致：

Session Attendees  level_1             Courses
0  session1        24  Course 1            intro to
1  session1        46  Course 2      Computer skill
2  session2        23  Course 1            advanced
3  session3        30  Course 1                  Cv
4  session3        30  Course 2  Write cover letter

说明 #

1. 先stack课程列可以完整保留所有非NaN的课程记录，避免后续操作丢失数据
2. 按Session分组处理参会人数，确保每个课程都能匹配到正确的人数：
   • 对于有多个参会人数的Session（如session1），直接按顺序分配给对应课程
   • 对于单个参会人数对应多个课程的Session（如session3），将参会人数重复分配给每个课程

内容的提问来源于stack exchange，提问作者hyeri