dataframe 把每一行拆解成一个dataframe

如果你想把一个 DataFrame 中的每一行都拆解成一个独立的 DataFrame，可以使用 `groupby` 和 `apply` 方法。下面是一个示例代码：

import pandas as pd

# 创建样例数据
data = {'name': ['Alice', 'Bob', 'Charlie'],
        'age': [25, 30, 35],
        'gender': ['F', 'M', 'M']}
df = pd.DataFrame(data)

# 定义一个函数，将每一行转换成一个 DataFrame
def row_to_df(row):
    return pd.DataFrame([row])

# 将每一行拆解成一个独立的 DataFrame
dfs = df.groupby(level=0).apply(row_to_df)

在这个示例中，我们首先定义了一个样例 DataFrame，然后定义了一个 `row_to_df` 函数，该函数的输入是一个行数据，输出是一个包含该行数据的单行 DataFrame。最后，我们使用 `groupby` 和 `apply` 方法将每一行都应用 `row_to_df` 函数，得到一个由多个单行 DataFrame 组成的 Series。

相关问题

spark sql 怎么拆解object类型数据

在 Spark SQL 中，可以使用 `explode` 函数将包含对象类型数据的列拆分成多行。`explode` 函数接受一个包含数组或集合的列，并将其展开为多行。例如，如果有一个包含对象类型数据的 DataFrame，可以使用 `explode` 函数将其拆分成多行，如下所示：

import org.apache.spark.sql.functions._

val df = Seq(
  (1, Seq("apple", "banana")),
  (2, Seq("orange", "peach", "pear"))
).toDF("id", "fruits")

val exploded = df.select($"id", explode($"fruits").as("fruit"))

exploded.show()

输出结果：

+---+------+
| id| fruit|
+---+------+
|  1| apple|
|  1|banana|
|  2|orange|
|  2| peach|
|  2|  pear|
+---+------+

在这个例子中，`explode` 函数将 `df` DataFrame 中的 `fruits` 列拆分成多行，并将其展开为新的 DataFrame `exploded`。每个元素都成为一行，并在新的列 `fruit` 中表示。