访问 Pandas DataFrame 元素中的列表答案

【问题标题】：Access a list within an element of a Pandas DataFrame访问 Pandas DataFrame 元素中的列表
【发布时间】：2016-10-31 12:02:25
【问题描述】：

我有一个 Pandas DataFrame，它在其中一列中有一个整数列表。我想访问此列表中的各个元素。我找到了一种方法，方法是使用tolist() 并将其转回DataFrame，但我想知道是否有更简单/更好的方法。在此示例中，我将 Column A 添加到 Column B 中列表的中间元素。

import pandas as pd
df = pd.DataFrame({'A' : (1,2,3), 'B': ([0,1,2],[3,4,5,],[6,7,8])})
df['C'] = df['A'] + pd.DataFrame(df['B'].tolist())[1]
df

有没有更好的方法来做到这一点？

【问题讨论】：

标签： python list pandas indexing dataframe

【解决方案1】：

您也可以简单地尝试以下方法：

df['C'] = df['A'] + df['B'].str[1]

此方法的性能：

%timeit df['C'] = df['A'] + df['B'].str[1]
#1000 loops, best of 3: 445 µs per loop

【讨论】：

【解决方案2】：

一种选择是使用apply，它应该比从中创建数据框更快：

df['C'] = df['A'] + df.apply(lambda row: row['B'][1], axis = 1)

一些速度测试：

%timeit df['C'] = df['A'] + pd.DataFrame(df['B'].tolist())[1]
# 1000 loops, best of 3: 567 µs per loop
%timeit df['C'] = df['A'] + df.apply(lambda row: row['B'][1], axis = 1) 
# 1000 loops, best of 3: 406 µs per loop
%timeit df['C'] = df['A'] + df['B'].apply(lambda x:x[1])
# 1000 loops, best of 3: 250 µs per loop

好的。稍微好一些。 @breucopter 的回答是最快的。

【讨论】：

谢谢。非常感谢！

【解决方案3】：

更直接一点的是：

df['C'] = df['A'] + df['B'].apply(lambda x:x[1])

【讨论】：

感谢闪电般的快速回答！