如何将DataFrame列名与对应列表值映射生成规整新DataFrame

我的原始DataFrame结构： #

数据类型输出：

df.dtypes
# Values         object
# column_name    object
# dtype: object

期望得到的新DataFrame结构： #

已完成的前置代码： #

df_all = pd.read_sql_table('Test',engine)
df_test = pd.Series({c:df_all[c].unique() for c in df_all})
df = pd.DataFrame({'column_name': df_test.index,'Values':df_test.values})
df.reset_index(drop=True,inplace=True)

解决方案 #

嘿，你已经完成了最核心的前置步骤，现在只需要把这些列表展开并映射到对应的列就行啦，给你两种实用的方法：

方法一：简洁直接的字典转换

因为你的column_name刚好是我们要的新列名，Values里的列表就是每列对应的值，直接把它们打包成字典传给pd.DataFrame就行：

new_df = pd.DataFrame(dict(zip(df['column_name'], df['Values'])))

一行代码搞定，非常高效。

方法二：分步拆解更易理解

如果想清楚看到每一步的转换过程，可以用explode先把列表拆成多行，再透视成宽表：

# 1. 把Values里的每个元素拆成单独的行，保留对应的列名
df_exploded = df.explode('Values')
# 2. 给每个列名下的元素添加行号，用来对齐后续的透视
df_exploded['row_id'] = df_exploded.groupby('column_name').cumcount()
# 3. 透视生成宽表，最后清理一下列名层级
new_df = df_exploded.pivot(index='row_id', columns='column_name', values='Values').reset_index(drop=True)
new_df.columns.name = None

两种方法都能得到你想要的结果，选哪种看你更偏向简洁还是过程可视化啦。

内容的提问来源于stack exchange，提问作者Vdoo