如何最好地将包含列表或元组的 Pandas 列提取到多个列中[重复]

Posted 2023-03-12

【中文标题】如何最好地将包含列表或元组的 Pandas 列提取到多个列中[重复]

【英文标题】：How best to extract a Pandas column containing lists or tuples into multiple columns [duplicate]

【发布时间】：2018-06-08 12:37:20

【问题描述】：

我不小心用指向错误副本的链接关闭了这个问题。这是正确的：Pandas split column of lists into multiple columns。

假设我有一个数据框，其中一列是列表（长度已知且相同）或元组，例如：

df1 = pd.DataFrame(
 'vals': [['a', 'b', 'c', 'd'],['e','f','g','h']]
)

即：

    vals
0   [a, b, c, d]
1   [e, f, g, h]

我想将“vals”中的值添加到单独的命名列中。我可以通过遍历行来笨拙地做到这一点：

for i in range(df1.shape[0]):
   for j in range(0,4):
      df1.loc[i, 'vals_'+j] = df1.loc[i, 'vals'] [j]

根据需要得到结果：

    vals            vals_0  vals_1  vals_2  vals_3
0   [a, b, c, d]    a       b       c       d 
1   [e, f, g, h]    e       f       g       h

有没有更简洁（矢量化）的方式？我尝试使用 [] 但出现错误。

   for j in range (0,4)
       df1['vals_'+str(j)] = df1['vals'][j]

给予：

ValueError: Length of values does not match length of index

看起来 Pandas 正在尝试将 [] 运算符应用于系列/数据框而不是列内容。

【问题讨论】：

df1.vals.apply(pd.Series) 将帮助您完成大部分工作。

@andrew_reece 那是矢量化的吗？他必须创作 4 个不同的系列。

【参考方案1】：

您可以使用assign、apply 和pd.Series：

df1.assign(**df1.vals.apply(pd.Series).add_prefix('val_'))

获取更多数据的更快方法是将 .values 和 tolist() 与数据框构造函数一起使用：

df1.assign(**pd.DataFrame(df1.vals.values.tolist()).add_prefix('val_'))

输出：

           vals val_0 val_1 val_2 val_3
0  [a, b, c, d]     a     b     c     d
1  [e, f, g, h]     e     f     g     h

【讨论】：

哇，不错的夸格福@Scott Boston！

第二种方法做所有事情的方式包括快速重命名列并且在一行中很棒。

【参考方案2】：

您可以将Series 初始化器应用到vals，然后add_prefix 以获取您要查找的列名。然后将concat 转至原版以获得所需的输出：

pd.concat([df1.vals, df1.vals.apply(pd.Series).add_prefix("vals_")], axis=1)

           vals vals_0 vals_1 vals_2 vals_3
0  [a, b, c, d]      a      b      c      d
1  [e, f, g, h]      e      f      g      h