如何将Pandas DataFrame的嵌套数组值转为一维数组？

针对df['value']列的values属性有时是全嵌套二维数组、有时是标量与嵌套数组混合的格式，且flatten()无效的情况，核心原因是列类型为object，包含混合的标量和数组元素，直接对整个values数组操作无法处理内部嵌套。以下是几种有效处理方案：

方案1：逐个元素展平提取（通用解决） #

遍历列中每个元素，统一将嵌套数组/列表提取为标量，标量直接保留，适合混合类型场景：

import numpy as np

# 处理每个元素：如果是数组或列表，展平后取第一个值；否则直接保留
df['value'] = df['value'].apply(
    lambda x: np.ravel(x)[0] if isinstance(x, (np.ndarray, list)) else x
)

若确认每个嵌套结构仅含一个值，可简化为：

df['value'] = df['value'].apply(lambda x: x[0] if isinstance(x, (np.ndarray, list)) else x)

方案2：针对全嵌套二维数组的快速处理 #

如果列的values是纯二维数组（无混合标量），直接用squeeze()压缩维度：

df['value'] = df['value'].squeeze()

该方法效率高于apply，能直接将二维数组转换为一维数值列。

方案3：读取CSV时提前避免格式混乱 #

若问题源于CSV读取时的解析错误（如单元格带方括号被解析成列表），可在读取时指定解析规则：

import pandas as pd

def parse_value(s):
    if isinstance(s, str) and '[' in s:
        return float(s.strip('[]'))
    return float(s)

df = pd.read_csv('your_file.csv', converters={'value': parse_value})

为什么flatten()无效？ #

当列是object类型时，df['value'].values是一个object数组，内部元素是独立的标量或数组。flatten()仅对外层数组生效，无法处理每个元素内部的嵌套结构，因此无法统一格式。

内容的提问来源于stack exchange，提问作者Pier-Olivier Marquis