包含数组的熊猫系列

Posted 2023-03-12

【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()