Here展示如何将包含列表的单元格扩展为 pandas 中自己的变量。 也有这样的解决方案:
df.apply(lambda x: pd.Series(x['tags']),axis=1)
但我不明白它是如何工作的。任何人都可以解释这一点。
最佳答案
这意味着将tags
列的每个值转换为Series
,然后将其转换为DataFrame
- 它连接Series
> 在一起。 axis=1
表示按行处理,每行都转换为 Series,因此需要 x['tags']
来选择 tags
。
还可以创建自定义函数以更好地检查每个步骤:
def f(x):
#each row is convert to Series
print (x)
#select row tags
print (x['tags'])
#convert list to Series
return pd.Series(x['tags'])
tags = df.apply(f,axis=1)
print (tags)
如果性能很重要并且 DataFrame 更大,那么最好使用:
tags = pd.DataFrame(df['tags'].values.tolist())
print (tags)
0 1 2
0 apple pear guava
1 truck car plane
2 cat dog mouse
性能:
# create a dataset
raw_data = {'score': [1,2,3],
'tags': [['apple','pear','guava'],['truck','car','plane'],['cat','dog','mouse']]}
df = pd.DataFrame(raw_data, columns = ['score', 'tags'])
# view the dataset
#print (df)
#3000 rows
df = pd.concat([df] * 1000, ignore_index=True)
In [110]: %timeit df.apply(lambda x: pd.Series(x['tags']),axis=1)
792 ms ± 27.1 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)
In [111]: %timeit df['tags'].apply(pd.Series)
681 ms ± 16.6 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)
In [112]: %timeit pd.DataFrame(df['tags'].values.tolist())
715 µs ± 8.91 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)
关于python - 如何工作 "expand cells containing lists into their own variables in pandas",我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/54060287/