Don*_*beo 67 python tuples numpy dataframe pandas
我有一个熊猫数据帧(这只是一小块)
>>> d1
y norm test y norm train len(y_train) len(y_test) \
0 64.904368 116.151232 1645 549
1 70.852681 112.639876 1645 549
SVR RBF \
0 (35.652207342877873, 22.95533537448393)
1 (39.563683797747622, 27.382483096332511)
LCV \
0 (19.365430594452338, 13.880062435173587)
1 (19.099614489458364, 14.018867136617146)
RIDGE CV \
0 (4.2907610988480362, 12.416745648065584)
1 (4.18864306788194, 12.980833914392477)
RF \
0 (9.9484841581029428, 16.46902345373697)
1 (10.139848213735391, 16.282141345406522)
GB \
0 (0.012816232716538605, 15.950164822266007)
1 (0.012814519804493328, 15.305745202851712)
ET DATA
0 (0.00034337162272515505, 16.284800366214057) j2m
1 (0.00024811554516431878, 15.556506191784194) j2m
>>>
我想拆分包含元组的所有列.比如我想替换列LCV与列LCV-a和LCV-b.
我怎样才能做到这一点？
jor*_*ris 119
您可以通过pd.DataFrame(col.tolist())对该列执行此操作:
In [2]: df = pd.DataFrame({'a':[1,2], 'b':[(1,2), (3,4)]})
In [3]: df
Out[3]:
a b
0 1 (1, 2)
1 2 (3, 4)
In [4]: df['b'].tolist()
Out[4]: [(1, 2), (3, 4)]
In [5]: pd.DataFrame(df['b'].tolist(), index=df.index)
Out[5]:
0 1
0 1 2
1 3 4
In [6]: df[['b1', 'b2']] = pd.DataFrame(df['b'].tolist(), index=df.index)
In [7]: df
Out[7]:
a b b1 b2
0 1 (1, 2) 1 2
1 2 (3, 4) 3 4
注意:在早期版本中,建议使用此答案df['b'].apply(pd.Series)代替pd.DataFrame(df['b'].tolist(), index=df.index).这也是有效的(因为它使每个元组成为一个系列,然后被视为一行数据帧),但速度较慢/使用的内存比tolist版本更多,正如其他答案所述(感谢@denfromufa) .
我更新了这个答案,以确保最明显的答案是最佳解决方案.
piR*_*red 33
的str是提供给访问pandas.Series的对象dtype == object实际上是一个迭代。
假设一个pandas.DataFrame df：
df = pd.DataFrame(dict(col=[*zip('abcdefghij', range(10, 101, 10))]))
df
col
0 (a, 10)
1 (b, 20)
2 (c, 30)
3 (d, 40)
4 (e, 50)
5 (f, 60)
6 (g, 70)
7 (h, 80)
8 (i, 90)
9 (j, 100)
我们可以测试它是否是可迭代的：
from collections import Iterable
isinstance(df.col.str, Iterable)
True
然后我们可以像其他可迭代对象一样从中分配：
var0, var1 = 'xy'
print(var0, var1)
x y
所以在一行中，我们可以分配两列：
df['a'], df['b'] = df.col.str
df
col a b
0 (a, 10) a 10
1 (b, 20) b 20
2 (c, 30) c 30
3 (d, 40) d 40
4 (e, 50) e 50
5 (f, 60) f 60
6 (g, 70) g 70
7 (h, 80) h 80
8 (i, 90) i 90
9 (j, 100) j 100
只是稍微复杂一点，我们可以用它zip来创建一个类似的可迭代对象：
df['c'], df['d'] = zip(*df.col)
df
col a b c d
0 (a, 10) a 10 a 10
1 (b, 20) b 20 b 20
2 (c, 30) c 30 c 30
3 (d, 40) d 40 d 40
4 (e, 50) e 50 e 50
5 (f, 60) f 60 f 60
6 (g, 70) g 70 g 70
7 (h, 80) h 80 h 80
8 (i, 90) i 90 i 90
9 (j, 100) j 100 j 100
意思是，不要改变现有的df.
这是有效的，因为assign采用关键字参数，其中关键字是新（或现有）列名，而值将是新列的值。您可以使用字典并将其解压缩**并将其用作关键字参数。
因此，这是分配一个名为新列的巧妙方法，该列'g'是df.col.str可迭代对象中的第一项，也是可迭代'h'对象中的第二项df.col.str：
df.assign(**dict(zip('gh', df.col.str)))
col g h
0 (a, 10) a 10
1 (b, 20) b 20
2 (c, 30) c 30
3 (d, 40) d 40
4 (e, 50) e 50
5 (f, 60) f 60
6 (g, 70) g 70
7 (h, 80) h 80
8 (i, 90) i 90
9 (j, 100) j 100
list方法版本具有现代列表理解和变量解包。
注意：也内联使用join
df.join(pd.DataFrame([*df.col], df.index, [*'ef']))
col g h
0 (a, 10) a 10
1 (b, 20) b 20
2 (c, 30) c 30
3 (d, 40) d 40
4 (e, 50) e 50
5 (f, 60) f 60
6 (g, 70) g 70
7 (h, 80) h 80
8 (i, 90) i 90
9 (j, 100) j 100
变异版本将是
df[['e', 'f']] = pd.DataFrame([*df.col], df.index)
使用上面定义的一个：
%timeit df.assign(**dict(zip('gh', df.col.str)))
%timeit df.assign(**dict(zip('gh', zip(*df.col))))
%timeit df.join(pd.DataFrame([*df.col], df.index, [*'gh']))
1.16 ms ± 21.5 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)
635 µs ± 18.7 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)
795 µs ± 42.5 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)
大 10^3 倍
df = pd.concat([df] * 1000, ignore_index=True)
%timeit df.assign(**dict(zip('gh', df.col.str)))
%timeit df.assign(**dict(zip('gh', zip(*df.col))))
%timeit df.join(pd.DataFrame([*df.col], df.index, [*'gh']))
11.4 ms ± 1.53 ms per loop (mean ± std. dev. of 7 runs, 100 loops each)
2.1 ms ± 41.4 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)
2.33 ms ± 35.1 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)
den*_*ufa 24
在更大的数据集上,我发现.apply()几乎没有几个订单pd.DataFrame(df['b'].values.tolist(), index=df.index)
这个性能问题在GitHub中已经关闭,尽管我不同意这个决定:
https://github.com/pandas-dev/pandas/issues/11615
编辑:根据这个答案:https://stackoverflow.com/a/44196843/2230844
我知道这是不久前的,但是第二个解决方案的一个警告:
pd.DataFrame(df['b'].values.tolist())
是它会明确地丢弃索引,并添加一个默认的顺序索引,而接受的答案
apply(pd.Series)
不会,因为apply的结果将保留行索引.虽然订单最初是从原始数组中保留的,但是pandas会尝试匹配来自两个数据帧的指标.
如果您尝试将行设置为数字索引数组,这可能非常重要,并且pandas将自动尝试将新数组的索引与旧数组匹配,并导致排序中的某些失真.
一个更好的混合解决方案是将原始数据帧的索引设置为新的,即
pd.DataFrame(df['b'].values.tolist(), index=df.index)
这将保持使用第二种方法的速度,同时确保在结果上保留顺序和索引.
我认为更简单的方法是：
>>> import pandas as pd
>>> df = pd.DataFrame({'a':[1,2], 'b':[(1,2), (3,4)]})
>>> df
a b
0 1 (1, 2)
1 2 (3, 4)
>>> df['b_a']=df['b'].str[0]
>>> df['b_b']=df['b'].str[1]
>>> df
a b b_a b_b
0 1 (1, 2) 1 2
1 2 (3, 4) 3 4
| 归档时间： |
|
| 查看次数： |
39764 次 |
| 最近记录： |