如何在Pandas DataFrame中创建包含元组的列？

问题场景 #

尝试在Pandas DataFrame中创建包含元组的列时，使用NumPy数组构建数据触发ValueError，错误提示为Must pass 2-d input. shape=(2, 1, 2)。同时测试了单元素元组的构建场景，需解决该错误。

报错代码 #

# 创建NumPy数组
array = np.array([[('A' , 1)], [('B' , 2)]])
  
# 索引名称列表
index_values = ['x1', 'x2']
   
# 列名称列表
column_values = ['(a,b)']
  
# 创建DataFrame
df = pd.DataFrame(data = array, 
                  index = index_values, 
                  columns = column_values)
  
df

报错信息 #

---------------------------------------------------------------------------
ValueError                                Traceback (most recent call last)
/tmp/ipykernel_45/2020978637.py in <module>
     13 df = pd.DataFrame(data = array, 
     14                   index = index_values,
---> 15                   columns = column_values)
     16 
     17 df

/opt/oss/conda3/lib/python3.7/site-packages/pandas/core/frame.py in __init__(self, data, index, columns, dtype, copy)
    676                     dtype=dtype,
    677                     copy=copy,
---> 678                     typ=manager,
    679                 )
    680 

/opt/oss/conda3/lib/python3.7/site-packages/pandas/core/internals/construction.py in ndarray_to_mgr(values, index, columns, dtype, copy, typ)
    302         # by definition an array here
    303         # the dtypes will be coerced to a single dtype
---> 304         values = _prep_ndarray(values, copy=copy)
    305 
    306     if dtype is not None and not is_dtype_equal(values.dtype, dtype):

/opt/oss/conda3/lib/python3.7/site-packages/pandas/core/internals/construction.py in _prep_ndarray(values, copy)
    553         values = values.reshape((values.shape[0], 1))
    554     elif values.ndim != 2:
---> 555         raise ValueError(f"Must pass 2-d input. shape={values.shape}")
    556 
    557     return values

ValueError: Must pass 2-d input. shape=(2, 1, 2)

单元素元组测试代码 #

array = np.array([[(1)], [(2)]])

错误原因 #

NumPy默认会解析元组内的元素，将外层列表[[('A',1)], [('B',2)]]转换为3维数组（shape=(2,1,2)），而Pandas DataFrame要求输入为2维结构（行×列），因此触发维度不匹配的错误。

对于单元素元组，[(1)]并非合法元组（只是整数1），正确的单元素元组写法应为[(1,)]，否则会被NumPy解析为普通数值类型。

解决方案 #

方案1：直接使用Python列表构建DataFrame #

跳过NumPy数组，直接用列表传递数据，Python列表会保留元组作为单个元素：

data = [[('A', 1)], [('B', 2)]]
index_values = ['x1', 'x2']
column_values = ['(a,b)']

df = pd.DataFrame(data=data, index=index_values, columns=column_values)

方案2：指定NumPy数组的dtype为object #

如果必须使用NumPy数组，需显式指定dtype=object，让NumPy将元组视为单个对象，避免自动展开：

array = np.array([[('A', 1)], [('B', 2)]], dtype=object)
index_values = ['x1', 'x2']
column_values = ['(a,b)']

df = pd.DataFrame(data=array, index=index_values, columns=column_values)

单元素元组的处理 #

确保单元素元组的正确写法（末尾加逗号），再用上述两种方案之一构建：

# 方案1：列表方式
data = [[(1,)], [(2,)]]
df = pd.DataFrame(data=data, index=['x1','x2'], columns=['single_tuple'])

# 方案2：NumPy object dtype方式
array = np.array([[(1,)], [(2,)]], dtype=object)
df = pd.DataFrame(data=array, index=['x1','x2'], columns=['single_tuple'])

内容的提问来源于stack exchange，提问作者blue-sky