如何从匹配DataFrame中提取指定用户所属团队的得分？

核心问题所在 #

你得到嵌套列表或Series的原因通常是这两种情况：

• 额外的列表包装操作：如果提取得分时用了apply(list)这类操作，会把每个单独的得分值包装成单元素子列表，最终转成list就变成嵌套结构。
• 误处理分组结果：若用groupby后直接把每个组的得分转成列表，每个组的结果会作为子列表存在，形成嵌套列表。
• 未转换Series为列表：不调用tolist()时得到的是Pandas的Series对象，这是因为筛选得分列后返回的本来就是一维的Series结构，而非原生列表。

修正步骤与示例代码 #

假设你的数据结构如下：

import pandas as pd

users_df = pd.DataFrame({
    'user': ['tom', 'jerry'],
    'team': ['A', 'B']
})

match_df = pd.DataFrame({
    'team': ['A', 'A', 'A'],
    'score': [100, 120, 80]
})

正确操作流程：

1. 精准获取目标用户的团队：确保拿到单个团队名称，而非Series对象：

tom_team = users_df.loc[users_df['user'] == 'tom', 'team'].iloc[0]

2. 直接筛选得分并转扁平列表：对筛选后的得分Series调用tolist()，即可得到预期的扁平列表：

flat_scores = match_df.loc[match_df['team'] == tom_team, 'score'].tolist()
# 输出结果：[100, 120, 80]

需要避免的错误操作：

• 不要对单个得分值用apply(list)包装：

# 错误示例，会生成嵌套列表
nested_scores = match_df[match_df['team'] == tom_team]['score'].apply(list).tolist()
# 输出：[[100], [120], [80]]

• 不要直接转换分组后的批量结果：

# 错误示例，分组后批量转列表会产生嵌套
grouped = match_df.groupby('team')['score']
nested_scores = grouped.apply(lambda x: x.tolist()).tolist()
# 输出：[[100, 120, 80], ...]

内容的提问来源于stack exchange，提问作者vini.m.oliveira