熊猫未正确重新索引 NaN

Question

我在删除NaN值后无法重新索引熊猫数据帧。我正在尝试将df列中的字典提取到另一个df，然后将这些值连接回相应行中的原始df。df = pd.DataFrame({'col1': [1, 2, 3, 4, 5],                    'col2': [np.NaN, np.NaN, {'aa': 11, 'bb': 22}, {'aa': 33, 'bb': 44}, {'aa': 55, 'bb': 66}]})df    col1 col20   1    NaN1   2    NaN2   3    {'aa': 11, 'bb': 22}3   4    {'aa': 33, 'bb': 44}4   5    {'aa': 55, 'bb': 66}期望的最终结果是：    col1    aa      bb0   1       NaN     NaN1   2       NaN     NaN2   3       11      223   4       33      444   5       55      66如果我将 col2 传递给 pandas .tolist（） 函数，则不会解压缩该 dict。pd.DataFrame(df['col2'].tolist())0   NaN1   NaN2   {'aa': 11, 'bb': 22}3   {'aa': 33, 'bb': 44}4   {'aa': 55, 'bb': 66}如果我使用 dropna（），则字典被解压缩，但索引被重置pd.DataFrame(df['col2'].dropna().tolist())    aa  bb0   11  221   33  442   55  66如果我尝试将索引重置为原始df的索引，则行数据将显示在不同的索引位置。pd.DataFrame(df['col2'].dropna().tolist()).reindex(df.index)    aa  bb0   11.0    22.01   33.0    44.02   55.0    66.03   NaN     NaN4   NaN     NaN数据是多种多样的，并且无法知道列中任何一点将有多少个NaN值。任何帮助都非常感谢。

Answer 1

使用Series.to_dict来考虑索引：

df.join(pd.DataFrame(df['col2'].to_dict()).T).drop(columns='col2')

   col1    aa    bb

0     1   NaN   NaN

1     2   NaN   NaN

2     3  11.0  22.0

3     4  33.0  44.0

4     5  55.0  66.0

Answer 2

IIUC 通过传递 after 来修复您的代码indexdropna

s=df.col2.dropna()

df=df.join(pd.DataFrame(s.tolist(), index=s.index))

df

Out[103]: 

   col1                  col2    aa    bb

0     1                   NaN   NaN   NaN

1     2                   NaN   NaN   NaN

2     3  {'aa': 11, 'bb': 22}  11.0  22.0

3     4  {'aa': 33, 'bb': 44}  33.0  44.0

4     5  {'aa': 55, 'bb': 66}  55.0  66.0

Answer 3

尝试：pd.concat([df['col1'], df['col2'].apply(pd.Series)], axis=1)

   col1    aa    bb

0     1   NaN   NaN

1     2   NaN   NaN

2     3  11.0  22.0

3     4  33.0  44.0

4     5  55.0  66.0