pandas で区切り位置を利用してカラムを１～X 複数に分割したい

Question

調べても分からなくて困っております。

python のjupyternotebookの　pandas であるお店の１時間毎の売買データをサマリーしたログデータを扱いたく試行錯誤をしております。
詳しいエンジニアが退職してしまい質問ができる人がいないのです。

以下のデータを　エクセルのデータの区切り位置のようにカラムを分割したいのですがやり方がわかりません。
どなたか助けていただけないでしょうか。

元データはTSVであるお店の１時間ごとの　買い、売り　の　商品価格と個数です。　　時間によって売った数、　買った数が変わります。

master2.head(4)

Time buy sell
0 2019-04-14T21:00Z [[110,3],[10,1],[20,2]... [[10,1],[110,3],[110,3...
1 2019-04-14T22:00Z [[10,1],[110,3]] [[10,1]]
2 2019-04-14T23:00Z [[10,1]] [[10,1],[110,2],[110,3...
3 2019-04-14T24:00Z [[10,1],[110,3],[110,3]... [[110,3],[110,3]]

Time object
buy object
sell object
dtype: object

データにとって不要な[[　とか　[　を削除してから処理するのがいいんでしょうか？

実現したいのは

time　　buykakaku1　　buysuuryou1　　buykakaku2　　buysuuryou2....　　sellkakaku1　　sellsuuryou1　　sellkakaku2　　sellsuuryou2....
0　　2019-04-14T21:00Z　　110　　3　　10　　1... 110　　3　　10　　1...

という感じに　　

時間　買い価格１～X　買い数量１～X　売り価格１～X　売り数量１～X　

というデータを作りたいです。

Answer 1

各2重配列をデータフレーム化して結合すると良いかと思います。

import pandas as pd
import json
import io

tsv = """
Time	buy	sell
2019-04-14T21:00Z	[[110,3],[10,1],[20,2]]	[[10,1],[110,3],[110,3]]
2019-04-14T22:00Z	[[10,1],[110,3]]	[[10,1]]
2019-04-14T23:00Z	[[10,1]]	[[10,1],[110,2],[110,3]]
2019-04-14T24:00Z	[[10,1],[110,3],[110,3]]	[[110,3],[110,3]]
"""

df = pd.read_csv(io.StringIO(tsv), sep='\t',parse_dates=['Time'])

# buy / sell 列を文字列からリストに変換
df['buy'] = df.buy.apply(json.loads)
df['sell'] = df.sell.apply(json.loads)

# buy / sell 列をリストからデータフレームに変換
buy = df.groupby('Time')['buy'].apply(lambda d: pd.DataFrame(d.iat[0], columns=['buykakaku','buysuryou'])).unstack()
sell = df.groupby('Time')['sell'].apply(lambda d: pd.DataFrame(d.iat[0], columns=['sellkakaku','selsuryou'])).unstack()

# buy / sell データフレームを結合
ret = pd.concat([buy, sell], axis=1)
#                  buykakaku               buysuryou           sellkakaku               selsuryou
#                          0      1      2         0    1    2          0      1      2         0    1    2
#Time
#2019-04-14T21:00Z     110.0   10.0   20.0       3.0  1.0  2.0       10.0  110.0  110.0       1.0  3.0  3.0
#2019-04-14T22:00Z      10.0  110.0    NaN       1.0  3.0  NaN       10.0    NaN    NaN       1.0  NaN  NaN
#2019-04-14T23:00Z      10.0    NaN    NaN       1.0  NaN  NaN       10.0  110.0  110.0       1.0  2.0  3.0
#2019-04-14T24:00Z      10.0  110.0  110.0       1.0  3.0  3.0      110.0  110.0    NaN       3.0  3.0  NaN

Comments

[shinnzinbuyer]

ありがとうございます！早速試してみます