从Pandas Dataframe单元格中将嵌套数组值拆分为多行
问题内容：
我有以下形式的Pandas DataFrame
每年每个ID（2008年-2015年）有一行。对于列Max Temp，Min Temp以及Rain每个单元包含对应于一天在这一年，即对于上述的帧值的阵列
frame3.iloc[0]['Max Temp'][0]是2011年1月1日的值frame3.iloc[0]['Max Temp'][364]是2011年12月31日的值。
我知道这结构不好，但这是我必须处理的数据。它以这种方式存储在MongoDB中（这些行之一等同于Mongo中的文档）。
我想拆分这些嵌套的数组，以便每年每个ID而不是每个ID排一行。但是，在拆分数组时，我还要基于当前数组索引创建一个新列以捕获一年中的某天。然后，我将使用这一天以及该Year列来创建DatetimeIndex
我在这里搜索了相关的答案，但只发现了这一点并没有真正帮助我。
问题答案：
您可以.apply(pd.Series)为每个列运行，然后stack合并结果。
对于系列
s = pd.Series([[0, 1], [2, 3, 4]], index=[2011, 2012])
s
Out[103]:
2011 [0, 1]
2012 [2, 3, 4]
dtype: object
它的工作原理如下
s.apply(pd.Series).stack()
Out[104]:
2011 0 0.0
1 1.0
2012 0 2.0
1 3.0
2 4.0
dtype: float64
该系列的内容长短不一（这很重要，因为2012年是a年）。中间系列（即before stack）的NaN值后来被删除。
现在，让我们来做一个框架：
a = list(range(14))
b = list(range(20, 34))
df = pd.DataFrame({'ID': [11111, 11111, 11112, 11112],
'Year': [2011, 2012, 2011, 2012],
'A': [a[:3], a[3:7], a[7:10], a[10:14]],
'B': [b[:3], b[3:7], b[7:10], b[10:14]]})
df
Out[108]:
A B ID Year
0 [0, 1, 2] [20, 21, 22] 11111 2011
1 [3, 4, 5, 6] [23, 24, 25, 26] 11111 2012
2 [7, 8, 9] [27, 28, 29] 11112 2011
3 [10, 11, 12, 13] [30, 31, 32, 33] 11112 2012
然后我们可以运行：
# set an index (each column will inherit it)
df2 = df.set_index(['ID', 'Year'])
# the trick
unnested_lst = []
for col in df2.columns:
unnested_lst.append(df2[col].apply(pd.Series).stack())
result = pd.concat(unnested_lst, axis=1, keys=df2.columns)
并获得：
result
Out[115]:
A B
ID Year
11111 2011 0 0.0 20.0
1 1.0 21.0
2 2.0 22.0
2012 0 3.0 23.0
1 4.0 24.0
2 5.0 25.0
3 6.0 26.0
11112 2011 0 7.0 27.0
1 8.0 28.0
2 9.0 29.0
2012 0 10.0 30.0
1 11.0 31.0
2 12.0 32.0
3 13.0 33.0
其余的（日期时间索引）则不太直接。例如：
# DatetimeIndex
years = pd.to_datetime(result.index.get_level_values(1).astype(str))
# TimedeltaIndex
days = pd.to_timedelta(result.index.get_level_values(2), unit='D')
# If the above line doesn't work (a bug in pandas), try this:
# days = result.index.get_level_values(2).astype('timedelta64[D]')
# the sum is again a DatetimeIndex
dates = years + days
dates.name = 'Date'
new_index = pd.MultiIndex.from_arrays([result.index.get_level_values(0), dates])
result.index = new_index
result
Out[130]:
A B
ID Date
11111 2011-01-01 0.0 20.0
2011-01-02 1.0 21.0
2011-01-03 2.0 22.0
2012-01-01 3.0 23.0
2012-01-02 4.0 24.0
2012-01-03 5.0 25.0
2012-01-04 6.0 26.0
11112 2011-01-01 7.0 27.0
2011-01-02 8.0 28.0
2011-01-03 9.0 29.0
2012-01-01 10.0 30.0
2012-01-02 11.0 31.0
2012-01-03 12.0 32.0
2012-01-04 13.0 33.0
