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