如何在熊猫数据框中使用列表作为值?
Posted
技术标签:
【中文标题】如何在熊猫数据框中使用列表作为值?【英文标题】:how to use lists as values in pandas dataframe? 【发布时间】:2015-01-04 12:41:23 【问题描述】:我有一个数据框,它需要列的子集才能包含具有多个值的条目。下面是一个带有“runtimes”列的数据框,其中包含程序在各种条件下的运行时间:
df = ["condition": "a", "runtimes": [1,1.5,2], "condition": "b", "runtimes": [0.5,0.75,1]]
df = pandas.DataFrame(df)
这构成了一个数据框:
condition runtimes
0 a [1, 1.5, 2]
1 b [0.5, 0.75, 1]
如何使用此数据框并让 pandas 将其值视为数字列表?例如计算跨行的“运行时”列的平均值?
df["runtimes"].mean()
给出错误:"Could not convert [1, 1.5, 2, 0.5, 0.75, 1] to numeric"
使用此数据帧并将它们序列化为 csv 文件会很有用,其中类似的列表:[1, 1.5, 2]
被转换为 "1,1.5,2"
,因此它仍然是 csv 文件中的单个条目。
【问题讨论】:
【参考方案1】:感觉就像您在尝试让 Pandas 成为它不是的东西。如果您总是有 3 个运行时,则可以创建 3 个列。然而,更多的 Pandas-esqe 方法是将您的数据(无论您有多少不同的试验)标准化为如下所示:
df = ["condition": "a", "trial": 1, "runtime": 1,
"condition": "a", "trial": 2, "runtime": 1.5,
"condition": "a", "trial": 3, "runtime": 2,
"condition": "b", "trial": 1, "runtime": .5,
"condition": "b", "trial": 2, "runtime": .75,
"condition": "b", "trial": 3, "runtime": 1]
df = pd.DataFrame(df)
那么你就可以了
print df.groupby('condition').mean()
runtime trial
condition
a 1.50 2
b 0.75 2
这里的概念是保持数据表格形式,每个单元格只有一个值。如果你想做嵌套列表函数,那么你应该使用列表,而不是 Pandas 数据框。
【讨论】:
【参考方案2】:看起来 pandas 正在尝试将系列中的所有列表相加并除以行数。这会导致列表串联,并且结果无法通过数字类型检查。这解释了您的错误中的列表。
你可以这样计算平均值:
df['runtimes'].apply(numpy.mean)
除此之外,pandas 不喜欢将列表用作值。如果您的数据是表格的,请考虑将列表分成三个单独的列。
序列化列将以类似的方式工作:
df['runtimes'].apply(lambda x: '"' + str(x)[1:-1] + '"')
【讨论】:
以上是关于如何在熊猫数据框中使用列表作为值?的主要内容,如果未能解决你的问题,请参考以下文章