我有一个 pandas DataFrame,其中包含一些数组列。建议通过不同的位置索引对其中一些列进行索引的方法是什么?例如,从名为 l
的数组列中,我需要第二个元素,从名为 a
的数组列中,我需要第一个元素。结果应该是一个新的 DataFrame。数组列可以包含 Python 列表或 Numpy 数组,但这可能并不重要。
我有三个解决方案,但我并不喜欢其中任何一个。
df= pd.DataFrame({'l': [[1, 2, 4], [3, 2, 0, 10]], \
'a':[np.array(["foo", "bar", "baz"]), np.array(["qux", "quux"])], \
'dontcare': [10, 20]})
l a dontcare
0 [1, 2, 4] [foo, bar, baz] 10
1 [3, 2, 0, 10] [qux, quux] 20
解决方案 1,使用 str
和 join
df['l'].str[1].to_frame('l').join(df['a'].str[0])
l a
0 2 foo
1 2 qux
解决方案 2,使用函数 apply
并创建系列
df.apply(lambda row: pd.Series([row['l'][1], row['a'][0]], index=['l', 'a']), axis=1)
解决方案 3,使用 apply
和 broadcast
。
df[['l', 'a']].apply(lambda row: [row['l'][1], row['a'][0]], axis=1, result_type='broadcast')
我们可以假设输出列名称与输入列名称匹配,并且我们不需要任何数组列的多个元素。
最佳答案
我认为这取决于。
第一个解决方案是最通用的,如果索引不存在,则始终有效 - 然后返回 NaN。但这也是大型 DataFrame
解决方案最慢的原因。
print (df['l'].str[3].to_frame('l').join(df['a'].str[2]))
l a
0 NaN baz
1 10.0 NaN
使用 apply
的另一个解决方案应该更快,但如果值不存在,则会失败。
print (df.apply(lambda row: pd.Series([row['l'][3], row['a'][2]], index=['l', 'a']), axis=1))
<小时/>IndexError: ('list index out of range', 'occurred at index 0')
如果列表中始终存在值,另一个想法是使用列表理解(但与应用类似,如果不存在则失败)与 *c
for tail :
df= pd.DataFrame({'l': [[1, 2, 4], [3, 2, 0, 10]], \
'a':[np.array(["foo", "bar", "baz"]), np.array(["qux", "quux"])], \
'dontcare': [10, 20],
's': [10, 20],
'b': [10, 20]})
print (df)
l a dontcare s b
0 [1, 2, 4] [foo, bar, baz] 10 10 10
1 [3, 2, 0, 10] [qux, quux] 20 20 20
df = pd.DataFrame([(a[1], b[0]) for a,b, *c in df.values], columns=['l', 'a'])
print (df)
l a
0 2 foo
1 2 qux
或者按列表
选择列进行处理:
df = pd.DataFrame([(a[1], b[0]) for a,b in df[['l','a']].values], columns=['l', 'a'])
关于python - 索引 pandas DataFrame 的数组列,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/58851553/