pandas DataFrame 爆炸列内容[重复]

Posted 2023-03-11

【中文标题】pandas DataFrame 爆炸列内容[重复]

【英文标题】：pandas DataFrame explode column contents [duplicate]

【发布时间】：2016-08-02 05:17:53

【问题描述】：

我有一个pandas.core.frame.DataFrame，看起来像这样：

         0 1
0  [1,2,3] 1
1  [2,2,1] 1
2  [1,2,1] 1
...

最后一列是标签，列“0”下的每个数组都应该是给定类的不同数据点。

我想把它变成：

   x0 x1 x2 label
0  1  2  3  1
1  2  2  1  1
2  1  2  1  1

我尝试了以下没有运气

ds = ds.apply(lambda x: numpy.ravel(x))

这是下面的结果，显然这不是正确的方法。

<list>.extend(zip(points,labels))
ds = pandas.core.frame.DataFrame(data=<list>)

对于如何修复实际数据集或使用两个列表（点和标签）正确创建数据集的任何帮助表示赞赏。

【参考方案1】：

我假设您当前的列标题是文本而不是整数。

df2 = pd.concat([pd.DataFrame(zip(*df['0'])), df['1']], axis=1)
df2.columns = ['x' + str(c) for c in df2.columns[:-1]] + ['label']

>>> df2
   x0  x1  x2  label
0   1   2   1      1
1   2   2   2      1
2   3   1   1      1

zip 与* 运算符一起使用会解压缩列表：

>>> zip(*df['0'])
[(1, 2, 1), (2, 2, 2), (3, 1, 1)]

因此您可以轻松扩展数据框：

>>> pd.DataFrame(zip(*df['0']))
   0  1  2
0  1  2  1
1  2  2  2
2  3  1  1 

然后您只需连接最后一列并重命名所有列。

【讨论】：

列是整数。当我尝试 pd.DataFrame(zip(*ds[0])) 时，出现以下错误： frame.py 283 mgr = self._init_dict(, index, columns, dtype=dtype) 284 elif isinstance(data, collections .Iterator): --> 285 raise TypeError("data argument can't be an iterator") 286 else: 287 try: TypeError: data argument can't be an iterator.有什么想法吗？

【参考方案2】：

我能提供的最好的：

import numpy as np
# first convert your lists to an array, then iterate
tmp = np.array( df[0].tolist() )

for r in np.arange(0,3):
    df['x' + str(r)] = tmp[:,r]

【参考方案3】：

我会这样做。首先删除您的 1 列（这样我们就不会弄乱命名）：

df['id'] = df[1]
df = df.drop(1, axis = 1)

然后创建一个objs，用我们想要连接的东西，然后连接：

objs = [df, pd.DataFrame(df[0].tolist())]
pd.concat(objs, axis=1)



           0    id  0   1   2
0   [1, 2, 3]   1   1   2   3
1   [2, 2, 1]   1   2   2   1
2   [1, 2, 1]   1   1   2   1

【讨论】：

这个解决方案效果最好！我将第二部分稍微修改为：pd.concat([df, pd.DataFrame(list(df[0]))], axis=1)，似乎比使用.tolist() 时表现稍好。谢谢你！

【参考方案4】：

您可以以不同的方式创建数据框以获得所需的内容，而不是尝试分解列。请参阅下面的代码，

import pandas as pd
points = [[1,2,3],[2,2,1],[1,2,1]]
labels = [1,1,1]
x0 = [p[0] for p in points]
x1 = [p[1] for p in points]
x2 = [p[2] for p in points]
df = pd.DataFrame('x0': x0,'x1': x1,'x2': x2, 'label': labels)
print (df)

得到，

   label  x0  x1  x2
0      1   1   2   3
1      1   2   2   1
2      1   1   2   1