Bỏ qua đến nội dung chính
Mục lục

explode() trong pandas: tách cột chứa list thành nhiều dòng

AIDev Team · duyệt: Nguyễn Việt Chung

Bài 11/13 · Chương 7

Ghép và đổi hình bảng

  • 5 phút
  • Trung cấp
  • Python 3.14
  • Cập nhật

Phương thức explode() tách một cột chứa list thành nhiều dòng (pandas explode): mỗi phần tử của list thành một dòng riêng, các cột khác được chép theo. Bạn cần nó khi một ô chứa nhiều thứ, như một bài viết gắn ba thẻ hay một đơn hàng gồm bốn sản phẩm, mà câu hỏi lại hỏi theo từng thẻ, từng sản phẩm.

Cần biết trước: json_normalize(), value_counts(), groupby() và list.

Mỗi phần tử một dòng

Bảng bài viết dưới đây có cột the chứa list thẻ. value_counts() không đếm được thẻ trong list, nhưng sau explode() thì mỗi thẻ nằm ở một dòng riêng:

python
import pandas as pd

bai = pd.DataFrame({
    "tieu_de": ["Đọc CSV", "Ghép bảng", "Vẽ cột"],
    "the": [["pandas", "csv"], ["pandas", "merge"],
            ["matplotlib"]]})
dai = bai.explode("the")
print(dai)
print(dai["the"].value_counts())

KẾT QUẢ

     tieu_de         the
0    Đọc CSV      pandas
0    Đọc CSV         csv
1  Ghép bảng      pandas
1  Ghép bảng       merge
2     Vẽ cột  matplotlib
the
pandas        2
csv           1
merge         1
matplotlib    1
Name: count, dtype: int64

Hai bài đầu mỗi bài thành hai dòng, tieu_de được chép sang dòng mới, và index giữ nguyên 0, 0, 1, 1, 2: số index cho biết dòng đến từ bài nào. Thẻ pandas xuất hiện ở hai bài. Việc này giống chép một chồng phiếu giao hàng nhiều món sang sổ: mỗi món một dòng, ghi kèm số phiếu bên cạnh.

Khi cần index đánh số lại từ 0, ghi explode("the", ignore_index=True). Đổi bai.explode("the") thành bai.explode("the", ignore_index=True) rồi chạy lại: cột index in 0 tới 4.

explode list các dict từ JSON

Dữ liệu từ API thường lồng list trong từng bản ghi. don_hang_api.json của bộ dữ liệu thực hành có 80 đơn, mỗi đơn có san_pham là list các dict, mỗi dict một dòng sản phẩm. json_normalize() làm phẳng phần khách hàng, nhưng để nguyên list sản phẩm trong một ô:

python
import json
import pandas as pd

with open("don_hang_api.json", encoding="utf-8") as f:
    du_lieu = json.load(f)["du_lieu"]
don = pd.json_normalize(du_lieu)[["ma_don", "kenh", "san_pham"]]
dai = don.explode("san_pham", ignore_index=True)
print(len(don), len(dai))
print(dai.loc[dai["san_pham"].isna()])

KẾT QUẢ

80 131
     ma_don     kenh san_pham
29  API0018  Website      NaN

80 đơn thành 131 dòng sản phẩm. Đơn API0018 có list rỗng, nên nó thành một dòng với san_pham là NaN: explode() không bỏ đơn đó, để bạn biết nó tồn tại. Đếm số dòng sản phẩm thì phải trừ dòng này ra.

Mỗi ô san_pham giờ là một dict. Truyền list các dict đó cho json_normalize() để mỗi khóa thành một cột, rồi ghép lại bên cạnh ma_don, kenh bằng join():

python
import json
import pandas as pd

with open("don_hang_api.json", encoding="utf-8") as f:
    du_lieu = json.load(f)["du_lieu"]
don = pd.json_normalize(du_lieu)[["ma_don", "kenh", "san_pham"]]
dai = (don.explode("san_pham").dropna(subset=["san_pham"])
          .reset_index(drop=True))
ct = dai.join(pd.json_normalize(dai["san_pham"].tolist()))
ct = ct.drop(columns="san_pham")
ct["thanh_tien"] = ct["so_luong"] * ct["don_gia"]
print(ct.head(3))
print(ct.groupby("kenh")["thanh_tien"].sum())

KẾT QUẢ

    ma_don      kenh ma_sp  so_luong  don_gia  thanh_tien
0  API0001  Ứng dụng  0045         3    35000      105000
1  API0002  Ứng dụng  0009         1    65000       65000
2  API0003   Website  0055         1   210000      210000
kenh
Website     12318000
Ứng dụng     9933000
Name: thanh_tien, dtype: int64

reset_index(drop=True) trước join() là bắt buộc: bảng cột mới của json_normalize() đánh số từ 0, nên bảng bên trái cũng phải đánh số từ 0 thì dòng mới khớp dòng. Kết quả là một bảng chi tiết đơn hàng bình thường, gom nhóm được như bảng đọc từ CSV. Mã sản phẩm giữ dạng chữ "0045" như trong JSON.

Kiểm tra nhanh

  1. Sau import pandas as pd và d = pd.DataFrame({"k": ["A", "B"], "v": [[1, 2], [3]]}), list(d.explode("v").index) là gì?

    • [0, 0, 1]
    • [0, 1, 2]
    • [0, 1]
  2. Sau import pandas as pd và d = pd.DataFrame({"k": ["A", "B"], "v": [[1, 2], []]}), len(d.explode("v")) bằng bao nhiêu?

    • 2
    • 3
    • 1
  3. Ở ví dụ bài viết, những lệnh nào cho số bài gắn thẻ pandas?

    • bai.explode("the")["the"].value_counts()["pandas"]
    • (bai.explode("the")["the"] == "pandas").sum()
    • bai["the"].value_counts()["pandas"]
    • len(bai.explode("the"))
  4. Sau import pandas as pd và d = pd.DataFrame({"the": ["a, b"]}), len(d.explode("the")) bằng bao nhiêu?

    • 1
    • 2
    • 0
Đúng hết lần đầu +15 XP

Bài tập

Đếm kỹ năng của ứng viên

Phòng nhân sự có bảng ung_vien, mỗi ứng viên một dòng, cột ky_nang ghi các kỹ năng trong một chuỗi, cách nhau bởi dau_tach (như "Python; SQL; Excel"). Người nhập đôi khi thêm dấu cách quanh dấu tách hay thừa một dấu tách ở cuối; có ứng viên để trống cột này. Mỗi ứng viên ghi mỗi kỹ năng nhiều nhất một lần. Viết thân hàm dem_ky_nang(ung_vien, dau_tach=";"):

  • đếm số ứng viên có từng kỹ năng, sau khi bỏ dấu cách hai đầu tên kỹ năng;

  • không đếm chuỗi rỗng; index là tên kỹ năng, sắp theo thứ tự mà sort_index() cho.

Hàm không sửa bảng của nơi gọi.

Trả về: số ứng viên theo từng kỹ năng, một Series.

python
import pandas as pd

def dem_ky_nang(ung_vien, dau_tach=";"):
    pass  # Viết thân hàm thay cho dòng này

Tóm tắt

  • df.explode("cot") tách mỗi phần tử của list trong cột thành một dòng, chép theo các cột khác.

  • Index của dòng gốc được giữ cho các dòng tách ra; ignore_index=True đánh số lại từ 0.

  • List rỗng cho một dòng NaN; bỏ nó bằng dropna(subset=["cot"]) khi đếm.

  • Chuỗi không phải list: tách bằng str.split() trước rồi mới explode.

  • List các dict từ JSON: explode, rồi json_normalize() list dict để mỗi khóa thành một cột.

Câu hỏi thường gặp

explode() nhiều cột cùng lúc được không?

Được: truyền một list cột, như df.explode(["ma_sp", "so_luong"]), với điều kiện ở mỗi dòng các list có cùng độ dài. Phần tử thứ nhất của list này đi với phần tử thứ nhất của list kia. Khi độ dài lệch, pandas dừng với lỗi, cho bạn biết dữ liệu không khớp.

Gom các dòng đã explode về lại một list thế nào?

Dùng groupby() rồi agg(list): dai.groupby("tieu_de")["the"].agg(list) cho lại list thẻ của từng bài. Cách gom nhóm có ở bài groupby().

Vì sao số dòng tăng mạnh sau explode?

Mỗi phần tử thành một dòng, nên bảng tăng bằng tổng độ dài các list. Kiểm trước bằng df["cot"].str.len().sum(), cộng thêm số list rỗng. Nếu sau đó bạn ghép bảng đã explode với bảng khác, nhớ rằng mỗi đơn giờ có nhiều dòng; bài merge bị tăng số dòng giải thích hệ quả.

Chủ đề

pandas explode

Dữ liệu của bài

Bài này có hữu ích?

Hỏi đáp

Đang tải câu hỏi…

Tham vấn chuyên môn

Nguyễn Việt Chung

Nhà sáng lập AIDev và VietPlatform · Thạc sĩ AI MSE

  • Tốt nghiệp thủ khoa xuất sắc Thạc sĩ AI MSE.
  • Đồng sáng lập, CTO E-University, SVOnline: số hóa 10+ đại học, 40.000+ sinh viên.
  • Xây hệ thống AI cho doanh nghiệp tại VietPlatform.
Biên soạn: AIDev Team · Rà soát · Quy trình biên tập