python - 将一些数值列映射到 Pandas 中的新元组列中

Question

对于 object 数据，我可以将两列映射到第三个(object)元组列

>>> import pandas as pd
>>> df = pd.DataFrame([["A","b"], ["A", "a"],["B","b"]])
>>> df
   0  1
0  A  b
1  A  a
2  B  b

>>> df.apply(lambda row: (row[0], row[1]), axis=1)
0    (A, b)
1    (A, a)
2    (B, b)
dtype: object

(另请参阅 Pandas: How to use apply function to multiple columns )。

但是，当我尝试对数字列执行相同的操作时

>>> df2 = pd.DataFrame([[10,2], [10, 1],[20,2]])
df2.apply(lambda row: (row[0], row[1]), axis=1)
     0     1
0    10    2
1    10    1
2    20    2

因此，我得到的是 DataFrame，而不是一系列对(即 [(10,2), (10,1), (20,2)]) .

如何强制pandas真正获得一系列对？ (最好比转换为字符串然后解析更好。)

Answer 1

我不建议这样做，但你可以强制这样做:

In [11]: df2.apply(lambda row: pd.Series([(row[0], row[1])]), axis=1)
Out[11]:
         0
0  (10, 2)
1  (10, 1)
2  (20, 2)

请不要这样做。

两列将为您提供更好的性能、灵活性和后续分析的便利性。

只是为了更新OP的经验:

我们想要的是计算每个 [0, 1] 对的出现次数。

在系列中，他们可以使用 value_counts方法(使用上述结果中的列)。然而，使用 groupby 可以获得相同的结果。并发现速度快了 300 倍(对于 OP):

df2.groupby([0, 1]).size()

值得再次强调的是，[11] 必须为每行创建一个 Series 对象和一个元组实例，与此相比，这是一个巨大的开销到 groupby 的。