如何在熊猫数据框中使用列表作为值？

Posted 2023-03-11

【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。

【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。

【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] + '"')