pandasで爆発

pandasがバージョンアップして0.25になってました。新機能は何かしらんと思って調べると利便性が高そうな機能がexplode。

使う場面としてはセルの中にカンマやパイプ区切りでデータが入っている場合。

df = 下記のdataframeでC列を値毎に分けたいもの。

A	B	C
a1	b1	c11,c12,c13,c14
a2	b2	c21,c22,c23
a3	b3	c31,c32,c34,c387

のような形。

!pip install pandas==0.25
df = pd.DataFrame([{'A':'a1','B':'b1','C':'c11,c12,c13,c14'},
                  {'A':'a2','B':'b2','C':'c21,c22,c23'},
                  {'A':'a3','B':'b3','C':'c31,c32,c34,c387'}])

0.24だと

df_temp = pd.DataFrame(df['C'].str.split(',',expand=True).stack())
pd.merge(df.reset_index(),df_temp.reset_index(),left_on='index', right_on='level_0').set_index('index').drop(columns=['C','level_0','level_1'])

としないといけなかったけど、

0.25なら

df.assign(C=df['C'].str.split(',')).explode('C')

とやればＯＫ。便利！！
0.24でもっといい方法あるかもですが(^^;)
次はdplyrなどでの実現方法を検討しないと。

2021/6/14　なんか動作がおかしい場面に出くわしたので注意喚起。

2021/9/14追記：
参考で、R(dplyr)で同じような処理をする場合の書き方。こっちもわかりやすくていい。

explode_df <- df %>%
    mutate(C = strsplit(as.character(C), ",")) %>% 
    unnest(C)