炸裂，pandas实现列转行的几个实用技巧

　　还是在2017年的时候，分享过这个主题：Pandas中如何将一列中的文本拆分为多行？
　　由于当时pandas没有直接的方法来处理这种情形，因此当时使用的方法较为周折些。
　　在 Pandas 版本 0.25版本之后，pandas 提供了 explode方法来处理这种数据情况。
　　因此，今天来介绍下 explode方法的使用，同时也放上以前的处理方法，大家可以对比下。
　　三种方法：
　　Method 1 （explode）
　　Method 2
　　Method 3
　　01数据背景
　　在数据处理过程中，经常会遇到以下类型的数据：
　　在同一列中，本该分别填入多行中的数据，被填在一行里了，然而在分析的时候，需要拆分成为多行。
　　在上图中，列名为 ＂Country＂ ，index 为 4 和 5 的单元格内，值为 UK/Australia和UK/Netherland。
　　今天，我们来介绍将含有多值的内容分拆成多行的几种方法。加载数据如下：import pandas as pd
　　df = pd.DataFrame({＂Country＂:[＂China＂,＂US＂,＂Japan＂,＂EU＂,＂UK/Australia＂, ＂UK/Netherland＂],
　　＂Number＂:[100, 150, 120, 90, 30, 2],
　　＂Value＂: [1, 2, 3, 4, 5, 6],
　　＂label＂: list(＂abcdef＂)})
　　df
　　Out[2]:
　　Country Number Value label
　　0 China 100 1 a
　　1 US 150 2 b
　　2 Japan 120 3 c
　　3 EU 90 4 d
　　4 UK/Australia 30 5 e
　　5 UK/Netherland 2 6 f
　　02Method-1
　　Method-1 主要是使用 pandas 的 explode方法来处理。
　　根据 pandas 官方文档的介绍，explode方法主要可以列表类似的情况拆分为多行。
　　列表类似(list-like)，指的是列表、元组、Series 和 numpy 的 ndarray 等类型。
　　需要注意的是，文字类型的文本类型(str) 是不可以直接用该方法进行处理的。
　　而咱们上面的数据，比如 UK/Netherland，则不是 list-like 的数据。
　　因此，在使用 explode方法之前，可以先使用str.split方法将文本转换为列表，如下：df[＂Country＂] = df[＂Country＂].str.split(＂/＂)
　　df
　　结果如下：
　　现在， Country已经是列表类似的情况了，下一步可以使用explode方法来处理，如下：df.explode(＂Country＂)
　　结果如下：
　　03Method-2
　　在早期的 Pandas 版本中，咱们需要分多个步骤来处理这种情况，如下：
　　将含有多值的列进行拆分，然后通过stack方法进行变换，并通过index的设置来完成
　　用drop方法从DataFrame中删除含有多值的列
　　然后用join方法来合并df.drop(＂Country＂, axis=1).join(df[＂Country＂].str.split(＂/＂, expand=True).stack.reset_index(level=1, drop=True).rename(＂Country＂))
　　Out[3]:
　　Number Value label Country
　　0 100 1 a China
　　1 150 2 b US
　　2 120 3 c Japan
　　3 90 4 d EU
　　4 30 5 e UK
　　4 30 5 e Australia
　　5 2 6 f UK
　　5 2 6 f Netherland
　　过程分步介绍df[＂Country＂].str.split(＂/＂, expand=True).stack
　　Out[4]:
　　0 0 China
　　1 0 US
　　2 0 Japan
　　3 0 EU
　　4 0 UK
　　1 Australia
　　5 0 UK
　　1 Netherland
　　dtype: object
　　df[＂Country＂].str.split(＂/＂, expand=True).stack.reset_index(level=1, drop=True)
　　Out[5]:
　　0 China
　　1 US
　　2 Japan
　　3 EU
　　4 UK
　　4 Australia
　　5 UK
　　5 Netherland
　　dtype: object
　　df[＂Country＂].str.split(＂/＂, expand=True).stack.reset_index(level=1, drop=True).rename(＂Country＂)
　　Out[6]:
　　0 China
　　1 US
　　2 Japan
　　3 EU
　　4 UK
　　4 Australia
　　5 UK
　　5 Netherland
　　Name: Country, dtype: object
　　df.drop(＂Country＂, axis=1)
　　Out[7]:
　　Number Value label
　　0 100 1 a
　　1 150 2 b
　　2 120 3 c
　　3 90 4 d
　　4 30 5 e
　　5 2 6 f
　　04Method-3
　　该方法的思路跟Method-2基本是一样的，只是在具体的细节方面有些差异。代码如下：
　　df[＂Country＂].str.split(＂/＂, expand=True).stack.reset_index(level=0).set_index(＂level_0＂).rename(columns={0:＂Country＂}).join(df.drop(＂Country＂, axis=1))
　　Out[8]:
　　Country Number Value label
　　0 China 100 1 a
　　1 US 150 2 b
　　2 Japan 120 3 c
　　3 EU 90 4 d
　　4 UK 30 5 e
　　4 Australia 30 5 e
　　5 UK 2 6 f
　　5 Netherland 2 6 f
　　过程分步介绍如下：df[＂Country＂].str.split(＂/＂, expand=True).stack.reset_index(level=0)
　　Out[9]:
　　level_0 0
　　0 0 China
　　0 1 US
　　0 2 Japan
　　0 3 EU
　　0 4 UK
　　1 4 Australia
　　0 5 UK
　　1 5 Netherland
　　df[＂Country＂].str.split(＂/＂, expand=True).stack.reset_index(level=0).set_index(＂level_0＂)
　　Out[10]:
　　0
　　level_0
　　0 China
　　1 US
　　2 Japan
　　3 EU
　　4 UK
　　4 Australia
　　5 UK
　　5 Netherland
　　df[＂Country＂].str.split(＂/＂, expand=True).stack.reset_index(level=0).set_index(＂level_0＂).rename(columns={0:＂Country＂})
　　Out[11]:
　　Country
　　level_0
　　0 China
　　1 US
　　2 Japan
　　3 EU
　　4 UK
　　4 Australia
　　5 UK
　　5 Netherland
　　df.drop(＂Country＂, axis=1)
　　Out[12]:
　　Number Value label
　　0 100 1 a
　　1 150 2 b
　　2 120 3 c
　　3 90 4 d
　　4 30 5 e
　　5 2 6 f
　　05小结
　　在 pandas 的 explode方法出现以后，遇到类似的情形，建议优先考虑该方法。
　　explode方法是将 list-like 的数据拆分为多行，还有时候，咱们是需要将这些数据拆分为多列的。