Python - 如何拆分列表以创建新列？熊猫答案

【问题标题】：Python - how to split list for creating new column? pandasPython - 如何拆分列表以创建新列？熊猫
【发布时间】：2019-03-27 22:48:46
【问题描述】：

我有一个这样的数据框

    col1    col2 
    [A, B]   1
    [A, C]   2

我想将 col1 分成两列和输出，我想以这种形式输出

col1_A  col1_B  col2
  A       B       1
  A       C       2

我试过这个df['col1'].str.rsplit(',',n=2, expand=True) 但它显示TypeError: list indices must be integers or slices, not str

【问题讨论】：

df[['col_A','col_b']]=pd.DataFrame(df['col1'].tolist())

标签： python pandas list split

【解决方案1】：

压缩值和列名并使用插入来获得正确的位置。

for ind,(k,v) in enumerate(zip(zip(*df.pop('col1').tolist()),['col1_A', 'col1_B'])):
    df.insert(ind, v, k)

完整示例

import pandas as pd

df = pd.DataFrame({
    "col1": [['A', 'B'], ['A', 'C']],
    "col2": [1, 2],
})

for ind,(k,v) in enumerate(zip(zip(*df.pop('col1').tolist()),['col1_A', 'col1_B'])):
    df.insert(ind, v, k)

print(df)

  col1_A col1_B  col2
0      A      B     1
1      A      C     2

【讨论】：

【解决方案2】：

你可以这样做：

>> df_expanded = df['col1'].apply(pd.Series).rename(
     columns = lambda x : 'col1_' + str(x))

>> df_expanded

  col1_0 col1_1
0      A      B
1      A      C

将这些列添加到原始数据框：

>> pd.concat([df_expanded, df], axis=1).drop('col1', axis=1)

  col1_0 col1_1  col2
0      A      B     1
1      A      C     2

如果需要将列命名为行中的第一个元素：

df_expanded.columns =  ['col1_' + value
                        for value in df_expanded.iloc[0,:].values.tolist()]

  col1_A col1_B
0      A      B
1      A      C

【讨论】：

数据框类有添加前缀功能。
嗯，重要的是可以将pandas.Series 应用于列

【解决方案3】：

`join` + `pop`

df = df.join(pd.DataFrame(df.pop('col1').values.tolist(),
                          columns=['col1_A', 'col1_B']))

print(df)

   col2 col1_A col1_B
0     1      A      B
1     2      A      C

尝试避免pd.Series.apply 是一种很好的做法，这通常会导致 Python 级别的循环和额外的开销。

【讨论】：

@AntonvBR，我没有查看源代码，但对其进行了测试.. %timeit df['col1'].tolist() vs %timeit df['col1'].values.tolist()。一般来说，（我觉得）Pandas API 似乎给简单的方法增加了非 O(1) 开销：S
@AntonvBR，让我担心的是它不是 固定因素 慢。这是 O(n)。确实，Pandas 方法应该能够在适用时直接与 NumPy 方法短路。
也许通过为数据框类设置一些全局设置？或装饰它
好的，我现在正在查看源代码，是的。它是它所做的日期时间控制。区别在于：pd.Series([pd.Timestamp('2018'), pd.Timestamp('2019')]).values.tolist(), pd.Series([pd.Timestamp('2018'), pd.Timestamp('2019')]).tolist()。从我所见，系列值被发送到函数而不是 dtype 控件。处理混合类型？来源：github.com/pandas-dev/pandas/blob/…
很抱歉在这里发布了很多内容.... 好的，所以该函数检查它是否是 datetimelike：所以这个函数github.com/pandas-dev/pandas/blob/… 带有多个或测试......为什么它不能简单地做一个简单的 dtype 检查而不是这个？

【解决方案4】：

你可以使用apply:

import pandas as pd
df = pd.DataFrame({
    "col1": [['A', 'B'], ['A', 'C']],
    "col2": [1, 2],
})
df['col1_A'] = df['col1'].apply(lambda x: x[0])
df['col1_B'] = df['col1'].apply(lambda x: x[1])
del df['col1']
df = df[df.columns[[1,2,0]]]
print(df)

  col1_A col1_B  col2
0      A      B     1
1      A      C     2

【讨论】：

df['col1'].str[0]

join + pop

`join` + `pop`