blocks|key|3672385|text|使用下列数据集：|type|unstyled|depth|inlineStyleRanges|entityRanges|data|3672386|data+=+pd.Series([[0.5,+0.7,+0.8],
[0.11,+0.4,+0.77]])|code-block|syntax|javascript|3672387|正在做什么|3672388|pd.DataFrame(data.values.tolist())|3672389|将产生预期结果：|3672390|+++++++0++++++1++++2
0+++0.50++++0.7+0.80
1+++0.11++++0.4+0.77|3672391|entityMap^0|0|0|0|0|0|0^^$0|@$1|2|3|4|5|6|7|Q|8|@]|9|@]|A|$]]|$1|B|3|C|5|D|7|R|8|@]|9|@]|A|$E|F]]|$1|G|3|H|5|6|7|S|8|@]|9|@]|A|$]]|$1|I|3|J|5|D|7|T|8|@]|9|@]|A|$E|F]]|$1|K|3|L|5|6|7|U|8|@]|9|@]|A|$]]|$1|M|3|N|5|D|7|V|8|@]|9|@]|A|$E|F]]|$1|O|3|-4|5|6|7|W|8|@]|9|@]|A|$]]]|P|$]]

With the following data set:
<pre><code>data = pd.Series([[0.5, 0.7, 0.8],
[0.11, 0.4, 0.77]])
</code></pre>
Doing
<pre><code>pd.DataFrame(data.values.tolist())
</code></pre>
Would result in the expected result:
<pre><code> 0 1 2
0 0.50 0.7 0.80
1 0.11 0.4 0.77
</code></pre>

blocks|key|3672442|text|你可以用字典来理解：|type|unstyled|depth|inlineStyleRanges|entityRanges|data|3672443|import+pandas+as+pd
s+=+pd.Series([[1,2,3],[4,5,6]])++#+please+provide+a+reproducible+example
pd.DataFrame.from_dict({i:col+for+i,col+in+s.iteritems()})|code-block|syntax|javascript|3672444|返回|3672445|+++0++1
0++1++4
1++2++5
2++3++6|3672446|您还可以将from_records与transpose一起使用。|offset|length|style|CODE|3672447|pd.DataFrame.from_records(s).transpose()|3672448|entityMap^0|0|0|0|0|5|C|I|9|0|0^^$0|@$1|2|3|4|5|6|7|U|8|@]|9|@]|A|$]]|$1|B|3|C|5|D|7|V|8|@]|9|@]|A|$E|F]]|$1|G|3|H|5|6|7|W|8|@]|9|@]|A|$]]|$1|I|3|J|5|D|7|X|8|@]|9|@]|A|$E|F]]|$1|K|3|L|5|6|7|Y|8|@$M|Z|N|10|O|P]|$M|11|N|12|O|P]]|9|@]|A|$]]|$1|Q|3|R|5|D|7|13|8|@]|9|@]|A|$E|F]]|$1|S|3|-4|5|6|7|14|8|@]|9|@]|A|$]]]|T|$]]

You could use a dictionary comprehension:
<pre><code>import pandas as pd
s = pd.Series([[1,2,3],[4,5,6]]) # please provide a reproducible example
pd.DataFrame.from_dict({i:col for i,col in s.iteritems()})
</code></pre>
returns
<pre><code> 0 1
0 1 4
1 2 5
2 3 6
</code></pre>
You could also use <code>from_records</code> with a <code>transpose</code>:
<pre><code>pd.DataFrame.from_records(s).transpose()
</code></pre>

blocks|key|3764784|text|>>>+data+=+pd.core.series.Series([[0.5,+0.7,+0.8],[0.11,+0.4,+0.77]])
>>>+data
0++++++[0.5,+0.7,+0.8]
1++++[0.11,+0.4,+0.77]
dtype:+object
>>>+l+=+data.values.tolist()
>>>+l
[[0.5,+0.7,+0.8],+[0.11,+0.4,+0.77]]
>>>+pd.DataFrame(l)
++++++0++++1+++++2
0++0.50++0.7++0.80
1++0.11++0.4++0.77|type|code-block|depth|inlineStyleRanges|entityRanges|data|syntax|javascript|3764785|unstyled|entityMap^0|0^^$0|@$1|2|3|4|5|6|7|G|8|@]|9|@]|A|$B|C]]|$1|D|3|-4|5|E|7|H|8|@]|9|@]|A|$]]]|F|$]]

<pre><code>&gt;&gt;&gt; data = pd.core.series.Series([[0.5, 0.7, 0.8],[0.11, 0.4, 0.77]])
&gt;&gt;&gt; data
0 [0.5, 0.7, 0.8]
1 [0.11, 0.4, 0.77]
dtype: object
&gt;&gt;&gt; l = data.values.tolist()
&gt;&gt;&gt; l
[[0.5, 0.7, 0.8], [0.11, 0.4, 0.77]]
&gt;&gt;&gt; pd.DataFrame(l)
 0 1 2
0 0.50 0.7 0.80
1 0.11 0.4 0.77
</code></pre>

I have a dataset:
<pre><code>val
[0.5, 0.7,....,0.8]
[0.11, 0.4,....,0.77]
...
[0.99, 0.1,....,0.4]
</code></pre>
it is pandas.core.series.Series
there are 1000 rows and 200 values in each list. I want to turn it into dataframe with 200 columns and 1000 rows, but when I do <code>pd.DataFrame(list(df))</code> it says <code>NumPy.float64 object is not iterable</code>. How to fix it?

How to turn column with lists into dataframe?

翻译质量差，导致语言生硬或混乱。

没有提供实际的解决方法或示例。

解答不清晰，无法理解或解决问题。

页面排版不美观，阅读体验差。

文章

问答

视频

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

我有一个数据集：val[0.5, 0.7,....,0.8][0.11, 0.4,....,0.77]...[0.99, 0.1,....,0.4]是pandas.core.series.Series每个列表中有1000行和200个值。我想将它转换为包含200列和1000行的dataframe，但是当我执行pd.Dat...

问如何将包含列表的列转换为数据格式？
EN

Stack Overflow用户

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

问如何将包含列表的列转换为数据格式？EN