包含数组的熊猫系列
Posted
技术标签:
【中文标题】包含数组的熊猫系列【英文标题】:pandas series containing arrays 【发布时间】:2016-06-13 19:52:42 【问题描述】:我有一个 pandas 数据框列,看起来有点像:
Out[67]:
0 ["cheese", "milk...
1 ["yogurt", "cheese...
2 ["cheese", "cream"...
3 ["milk", "cheese"...
现在,最终我希望将其作为一个平面列表,但在尝试将其展平时,我注意到 pandas 将 ["cheese", "milk", "cream"]
视为 str
而不是 list
我将如何解决这个问题,所以我最终得到:
["cheese", "milk", "yogurt", "cheese", "cheese"...]
[编辑] 所以下面给出的答案似乎是:
s = pd.Series(["['cheese', 'milk']", "['yogurt', 'cheese']", "['cheese', 'cream']"])
s = s.str.strip("[]")
df = s.str.split(',', expand=True)
df = df.applymap(lambda x: x.replace("'", '').strip())
l = df.values.flatten()
print (l.tolist())
这很好,回答了问题,接受了答案,但我觉得它是一个相当不雅的解决方案。
【问题讨论】:
python pandas flatten a dataframe to a list的可能重复 不,它不是重复的,因为列的type
是string
而不是list
【参考方案1】:
你可以使用numpy.flatten
,然后平面嵌套lists
- see:
print df
a
0 [cheese, milk]
1 [yogurt, cheese]
2 [cheese, cream]
print df.a.values
[[['cheese', 'milk']]
[['yogurt', 'cheese']]
[['cheese', 'cream']]]
l = df.a.values.flatten()
print l
[['cheese', 'milk'] ['yogurt', 'cheese'] ['cheese', 'cream']]
print [item for sublist in l for item in sublist]
['cheese', 'milk', 'yogurt', 'cheese', 'cheese', 'cream']
编辑:
你可以试试:
import pandas as pd
s = pd.Series(["['cheese', 'milk']", "['yogurt', 'cheese']", "['cheese', 'cream']"])
#remove []
s = s.str.strip('[]')
print s
0 'cheese', 'milk'
1 'yogurt', 'cheese'
2 'cheese', 'cream'
dtype: object
df = s.str.split(',', expand=True)
#remove ' and strip empty string
df = df.applymap(lambda x: x.replace("'", '').strip())
print df
0 1
0 cheese milk
1 yogurt cheese
2 cheese cream
l = df.values.flatten()
print l.tolist()
['cheese', 'milk', 'yogurt', 'cheese', 'cheese', 'cream']
【讨论】:
我认为df.values.a.flatten()
有错字,应该改成df.a.values.flatten()
这只是为我打印每个单独的字母:s = pd.Series(["['cheese', 'milk']", "['yogurt', 'cheese']", "['cheese', 'cream']"])
l = s.values.flatten()
print ([item for sublist in l for item in sublist])
嗯,我不能否认它有效,所以谢谢。虽然答案如此笨拙,但我有点惊讶【参考方案2】:
您可以将Series
转换为DataFrame
,然后调用stack
:
s.apply(pd.Series).stack().tolist()
【讨论】:
返回一个包含 ['milk', 'cheese']s = pd.Series(["['cheese', 'milk']", "['yogurt', 'cheese']", "['cheese', 'cream']"])
s.apply(pd.Series).stack().tolist()
的字符串列表
从最初的描述来看,我认为Series
的类型是一个字符串列表:s2 = pd.Series([['cheese', 'milk'], ['yogurt', 'cheese'], ['cheese', 'cream']])
,在这种情况下s2.apply(pd.Series).stack().tolist()
应该可以工作。如果Series
的类型是表示字符串列表的字符串,则可以添加 eval:s.apply(lambda x: pd.Series(eval(x))).stack().tolist()
【参考方案3】:
要将列值从 str 转换为 list,您可以使用 df.columnName.tolist()
,而对于展平,您可以使用 df.columnName.values.flatten()
【讨论】:
以上是关于包含数组的熊猫系列的主要内容,如果未能解决你的问题,请参考以下文章