代码之家 › 专栏 › 技术社区 › Revan

熊猫:将数据帧列拆分为单独的行[重复]

pandas python

Revan · 技术社区 · 6 年前

SO question var1 . 但是,我在字母之间没有分隔符。

import pandas as pd
a = pd.DataFrame([{'var1': 'abc', 'var2': 1},
                  {'var1': 'def', 'var2': 2}])
b = pd.DataFrame([{'var1': 'a', 'var2': 1},
                  {'var1': 'b', 'var2': 1},
                  {'var1': 'c', 'var2': 1},
                  {'var1': 'd', 'var2': 2},
                  {'var1': 'e', 'var2': 2},
                  {'var1': 'f', 'var2': 2}])

这就是我想要实现的目标。

>>> a
  var1  var2
0  abc     1
1  def     2
>>> b
  var1  var2
0    a     1
1    b     1
2    c     1
3    d     2
4    e     2
5    f     2

.split() 不适用于空字符(“”)。

pd.concat([Series(row['var2'], row['var1'].split(','))              
                  for _, row in a.iterrows()]).reset_index()

因此,上述方法不起作用。你知道我怎样才能做到吗?

2 回复 | 直到 6 年前

jezrael 6 年前

df = pd.DataFrame([[x, j] for i, j in zip(a['var1'], a['var2']) for x in list(i)], 
                   columns=a.columns)
print (df)
  var1  var2
0    a     1
1    b     1
2    c     1
3    d     2
4    e     2
5    f     2

小数据帧中的性能:

In [215]: %timeit pd.DataFrame([[x, j] for i, j in zip(a['var1'], a['var2']) for x in list(i)], columns=a.columns)
355 Âµs Â± 4.08 Âµs per loop (mean Â± std. dev. of 7 runs, 1000 loops each)

In [216]: %timeit pd.concat([pd.Series(row['var2'], list(row['var1'])) for _, row in a.iterrows()]).reset_index()
2.93 ms Â± 203 Âµs per loop (mean Â± std. dev. of 7 runs, 100 loops each)

#2k rows
a = pd.concat([a] * 1000, ignore_index=True)

In [217]: %timeit pd.DataFrame([[x, j] for i, j in zip(a['var1'], a['var2']) for x in list(i)], columns=a.columns)
2.82 ms Â± 23.4 Âµs per loop (mean Â± std. dev. of 7 runs, 100 loops each)

In [218]: %timeit pd.concat([pd.Series(row['var2'], list(row['var1'])) for _, row in a.iterrows()]).reset_index()
1.8 s Â± 140 ms per loop (mean Â± std. dev. of 7 runs, 1 loop each)

多列的通用解决方案:

a = pd.DataFrame([{'var1': 'abc', 'var2': 1, 'var3':7},
                  {'var1': 'def', 'var2': 2, 'var3':5}])


b = pd.DataFrame([(y, *x[1:]) for x in a.values.tolist() for y in list(x[0])], 
                  columns=a.columns)
print (b)
  var1  var2  var3
0    a     1     7
1    b     1     7
2    c     1     7
3    d     2     5
4    e     2     5
5    f     2     5

#lower python versions
b = pd.DataFrame([(y,) + tuple(x[1:]) for x in a.values.tolist() for y in list(x[0])], 
                  columns=a.columns)
print (b)
  var1  var2  var3
0    a     1     7
1    b     1     7
2    c     1     7
3    d     2     5
4    e     2     5
5    f     2     5

Alex 6 年前

pd.concat([pd.Series(row['var2'], list(row['var1'])) for _, row in a.iterrows()]).reset_index()

推荐文章

July · 如何定义数字间隔,然后四舍五入

1 年前

Community wiki · 对象名称前的单下划线和双下划线的含义是什么?

1 年前

Brian Johnson · 为什么在Python中列出字典列表会引发TypeError?[已关闭]

1 年前

user026 · 如何根据特定窗口的平均值(行数)创建新列?

1 年前

Ashok Shrestha · 需要追踪特定的颜色线并获取坐标

1 年前

Nicote Ool · 在FastApi和Vue3中获得422

1 年前

NeoExceptCodeBad · 如果我有很多垂直线,我如何找到它们的边缘?

1 年前

Abdulaziz · 如何对集合内的列表进行排序[重复]

1 年前

user2743931 · 带有src目录的Python setup.py

1 年前

asmgx · 为什么合并数据帧不能按照python中的预期方式工作

1 年前