熊猫数据框列有带逗号的字符串如何将其转换为列表[关闭]
Posted
技术标签:
【中文标题】熊猫数据框列有带逗号的字符串如何将其转换为列表[关闭]【英文标题】:pandas dataframe column has string with commas how to convert it to a list [closed] 【发布时间】:2017-10-06 19:32:29 【问题描述】:数据框中的列具有值'abc,def,ghi'
。我想做一个这样的数组:['abc','def','ghi']
【问题讨论】:
这给出了更详细的答案***.com/questions/40784200/… 【参考方案1】:考虑数据框df
,其中包含用逗号分隔的随机字符串数。
np.random.seed([3,1415])
k = 10
df = pd.DataFrame(
np.random.choice(list('ABCD,'), (k, 20))
).sum(1).str.strip(',').str.replace(',+', ',').to_frame('col1')
df
col1
0 ADCDCCDCDACAA,ACCA,B
1 DC,DDD,DBDA,CCAC
2 A,B,CCAC,DB,C,CD,D
3 ADDBAA,DA,BD,C,AACA
4 DADBB,D,DBD,ADCAADB
5 CBCBA,CA,B,AA,CDCBDB
6 BD,D,DDB,AC,B,C,ABBA
7 C,CABBBADCD,DBCC,ACD
8 CC,A,BCAAAACBBA,BD
9 AC,A,ADBBD,BDCCDDABD
我喜欢使用numpy
s 功能进行拆分
df.assign(col1=np.core.defchararray.split(df.col1.values.astype(str), ','))
col1
0 [ADCDCCDCDACAA, ACCA, B]
1 [DC, DDD, DBDA, CCAC]
2 [A, B, CCAC, DB, C, CD, D]
3 [ADDBAA, DA, BD, C, AACA]
4 [DADBB, D, DBD, ADCAADB]
5 [CBCBA, CA, B, AA, CDCBDB]
6 [BD, D, DDB, AC, B, C, ABBA]
7 [C, CABBBADCD, DBCC, ACD]
8 [CC, A, BCAAAACBBA, BD]
9 [AC, A, ADBBD, BDCCDDABD]
快速处理小数据
%timeit df.assign(col1=np.core.defchararray.split(df.col1.values.astype(str), ','))
1000 loops, best of 3: 204 µs per loop
%timeit df.assign(col1=df['col1'].str.split(','))
1000 loops, best of 3: 327 µs per loop
%timeit df.assign(col1=[x.split(',') for x in df['col1'].values.tolist()])
1000 loops, best of 3: 210 µs per loop
对于大数据来说没有那么快a
np.random.seed([3,1415])
k = 10000
df = pd.DataFrame(
np.random.choice(list('ABCD,'), (k, 100))
).sum(1).str.strip(',').str.replace(',+', ',').to_frame('col1')
%timeit df.assign(col1=np.core.defchararray.split(df.col1.values.astype(str), ','))
10 loops, best of 3: 19.6 ms per loop
%timeit df.assign(col1=df['col1'].str.split(','))
100 loops, best of 3: 13.5 ms per loop
%timeit df.assign(col1=[x.split(',') for x in df['col1'].values.tolist()])
100 loops, best of 3: 11.5 ms per loop
【讨论】:
@jezrael 非常快!!【参考方案2】:使用str.split
:
df['col'] = df['col'].str.split(',')
示例:
df = pd.DataFrame('col':['abc,def,ghi','abc,def,ghi'])
df['col'] = df['col'].str.split(',')
print (df)
col
0 [abc, def, ghi]
1 [abc, def, ghi]
print (df.loc[0, 'col'])
['abc', 'def', 'ghi']
print (type(df.loc[0, 'col']))
<class 'list'>
如果从来没有 NaN
值使用列表理解:
df['col'] = [x.split(',') for x in df['col'].values.tolist()]
print (df)
col
0 [abc, def, ghi]
1 [abc, def, ghi]
【讨论】:
但我想要这样 ['abc','def','ghi'] 嗯,你需要双'
吗?因为如果是字符串,默认是'
。
它对我来说很好用。非常感谢。
@Aravindh 如果您觉得它有帮助,请不要忘记接受这个答案并投票。以上是关于熊猫数据框列有带逗号的字符串如何将其转换为列表[关闭]的主要内容,如果未能解决你的问题,请参考以下文章