如何将指定嵌套列表/数组转换为目标结构的Pandas DataFrame

这里有个清晰的实现方案，完全匹配你的需求：

我们需要把每个聚类组里的整数和对应浮点数一一配对，同时给每个组分配唯一的ClstId，具体步骤如下：

步骤1：导入依赖库 #

因为你的数据里包含numpy数组，所以需要导入numpy和pandas：

import pandas as pd
import numpy as np

步骤2：定义原始数据 #

把你提供的嵌套列表赋值给变量：

raw_data = [((1538, 6323), (0.9995334, 0.9995334)), 
            ((7694, 7862, 8399, 9158), np.array([0.99999015, 0.99997352, 0.99997993, 0.99996219]))]

步骤3：构建行数据列表 #

遍历每个聚类组，生成符合要求的行记录：

rows = []
# 遍历每个聚类，从1开始分配ClstId
for clst_id, (int_vals, float_vals) in enumerate(raw_data, start=1):
    # 如果是numpy数组，先转成普通列表
    if isinstance(float_vals, np.ndarray):
        float_vals = float_vals.tolist()
    # 把整数和浮点数一一配对，添加到行列表
    for col_int, col_float in zip(int_vals, float_vals):
        rows.append({
            'ClstId': clst_id,
            'ColInt': col_int,
            'ColFloat': col_float
        })

步骤4：转换为DataFrame #

最后把行列表转换成Pandas DataFrame：

df = pd.DataFrame(rows)
print(df)

输出结果 #

运行后你会得到完全符合要求的DataFrame：

ClstId  ColInt  ColFloat
0       1    1538  0.999533
1       1    6323  0.999533
2       2    7694  0.999990
3       2    7862  0.999974
4       2    8399  0.999980
5       2    9158  0.999962

关键点说明 #

• 使用enumerate(raw_data, start=1)可以方便地从1开始生成聚类ID，不用手动维护计数器
• 加入了对numpy数组的判断和转换，确保兼容原始数据中的数组类型
• zip(int_vals, float_vals)完美实现整数和对应浮点数的配对，保证每行数据的对应关系正确

内容的提问来源于stack exchange，提问作者mvh