如何將可變數量的“夫婦”列表轉換為兩列數據框？

Question

如何從列表的共同作者列表中生成一個數據框，該列表具有兩列（auth1和auth2），每對一對一行？

coauthors = []
coauthors.append((("f","g"),("f","h"),("g","h"))) # combinations of f,g,h
coauthors.append((("i","j"),("i","k"),("i","l"),("j","k"),("j","l"),("l","k"))) # combinations of i,j,k,l
coauthors.append((("a","b"))) # combinations of a,b
for s in coauthors:
   print(*s)

附帶問題：為什么上面的最后一行不是（'a'，'b'）而是ab？

Answer 1

您應該使用extend而不是append來構造原始列表：

coauthors = []
coauthors.extend((("f","g"),("f","h"),("g","h"))) # combinations of f,g,h
coauthors.extend((("i","j"),("i","k"),("i","l"),("j","k"),("j","l"),("l","k"))) # combinations of i,j,k,l
coauthors.extend((("a","b"),)) # combinations of a,b

這具有用傳遞的iterable的元素擴展原始列表的作用，而不是將傳遞的iterable作為原始列表的單個新元素附加。

還要注意，我在上面的最后一行中添加了一個逗號（以解決您的副問題中的問題）。 這是告訴Python您想通過extend一個元組的元組（外部元組僅包含一個元組）。 沒有這個逗號，外括號將被忽略，Python認為您只傳遞了元組('a', 'b') 。

這給出了長度為2的10個元組的列表，而不是使用append生成的嵌套結構。 從這里開始，創建DataFrame很容易：

import pandas as pd
df = pd.DataFrame(coauthors, columns=['auth1', 'auth2'])

贈送：

  auth1 auth2
0     f     g
1     f     h
2     g     h
3     i     j
4     i     k
5     i     l
6     j     k
7     j     l
8     l     k
9     a     b

Answer 2

很難確定您是否具有這些值，或對組合進行硬編碼。 但是，如果使用itertools這會容易得多。 創建一個列表列表，每個子列表都是您要從中創建配對的作者的分組，然后使用鏈和組合將所有配對放入一個DataFrame

import pandas as pd
from itertools import combinations, chain
groups = [['f', 'g', 'h'], ['i', 'j', 'k', 'l'], ['a', 'b']]

pd.DataFrame(chain.from_iterable([combinations(x, 2) for x in groups]),
             columns=['auth1', 'auth2'])

輸出：

  auth1 auth2
0     f     g
1     f     h
2     g     h
3     i     j
4     i     k
5     i     l
6     j     k
7     j     l
8     k     l
9     a     b

---

如果還需要為每個組添加唯一的ID ，則可以連接一堆較小的DataFrames ：

pd.concat([
    pd.DataFrame(data, columns=['auth1', 'auth2']).assign(id=gid) 
        for data,gid in zip([combinations(x, 2) for x in groups], range(len(groups)))
], ignore_index=True)

  auth1 auth2  id
0     f     g   0
1     f     h   0
2     g     h   0
3     i     j   1
4     i     k   1
5     i     l   1
6     j     k   1
7     j     l   1
8     k     l   1
9     a     b   2

或者，您可以將內容解壓縮到3個元素列表的列表中， pd.DataFrame一次調用pd.DataFrame ：

pd.DataFrame([[*z, gid] for data,gid in zip([combinations(x, 2) for x in groups], range(len(groups))) for z in data],
              columns=['auth1', 'auth2', 'id'])