将行中的元组转换为Dataframe中的新列,必须使用Pandas 0.21

2022-04-18 00:00:00 python pandas tuples reshape

问题描述

我有一个带有元组列表的列,希望将此元组转换为新列。(注意:必须使用Pandas 0.21;由于我的项目要求,无法升级。)请参见下面的示例:

df = pd.DataFrame(dict(a=[1,2,3],
                  b=['a', 'a', 'b'],
                  c=[[('pear', 1), ('apple', 2)], [('pear', 7), ('orange', 1)], [('apple', 9)] ]))
df

    a   b   c
0   1   a   [(pear, 1), (apple, 2)]
1   2   a   [(pear, 7), (orange, 1)]
2   3   b   [(apple, 9)]

并希望将其转换为

    a   b   fruit   value
0   1   a   pear    1
1   1   a   apple   2
2   2   a   pear    7
3   2   a   orange  1
4   3   b   apple   9

我可以这样做,但效率不是很高,在我的例子中,我有超过500K的行。有没有更有效的方法来做这件事?

更新:

下面提出的所有三种解决方案都适用于pandas >=0.25。对于早期版本,df.explode不是一个选项。对于pandas < 0.24,没有df.to_numpy,因此早期版本的唯一解决方案是@Jezreals解决方案

一个小基准低于(pandas == 0.25)(令人惊讶的是爆炸速度更慢):

from itertools import product, chain

def sol_1(df):
    phase1 = (product([a],b,c) for a,b,c in df.to_numpy())
    phase2 = [(a,b,*c) for a, b, c in chain.from_iterable(phase1)]
    return pd.DataFrame(phase2, columns = ["a","b","fruit","value"])


def sol_2(df): 
    df1 = pd.DataFrame([(k, *x) for k, v in df.c.items() for x in v],
                   columns=['i','fruit','value'])
    df = df.merge(df1, left_index=True, right_on='i').drop('i', axis=1)
    return df

def sol_3(df):
    df = df.explode('c')
    df[['fruit', 'value']] = pd.DataFrame(df['c'].tolist(), index=df.index)
    del df['c']
    return df

%timeit sol_1(df)
%timeit sol_2(df)
%timeit sol_3(df)

586 µs ± 6.39 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)
2.8 ms ± 206 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)
3.14 ms ± 28.2 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

解决方案

的想法是将列表理解中的值重塑为新的DataFrame,然后使用DataFrame.merge

df1 = pd.DataFrame([(k, *x) for k, v in df.pop('c').items() for x in v],
                   columns=['i','fruit','value'])

print (df1)
   i   fruit  value
0  0    pear      1
1  0   apple      2
2  1    pear      7
3  1  orange      1
4  2   apple      9        

df = df.merge(df1, left_index=True, right_on='i').drop('i', axis=1)
print (df)
   a  b   fruit  value
0  1  a    pear      1
1  1  a   apple      2
2  2  a    pear      7
3  2  a  orange      1
4  3  b   apple      9

相关文章