Как распаковать серию кортежей в Pandas?

Иногда я использую серию кортежей/списков при использовании Pandas. Это обычное явление, когда, например, выполняется групповое выполнение и передача функции с несколькими возвращаемыми значениями:

import numpy as np
from scipy import stats
df = pd.DataFrame(dict(x=np.random.randn(100),
                       y=np.repeat(list("abcd"), 25)))
out = df.groupby("y").x.apply(stats.ttest_1samp, 0)
print out

y
a       (1.3066417476, 0.203717485506)
b    (0.0801133382517, 0.936811414675)
c      (1.55784329113, 0.132360504653)
d     (0.267999459642, 0.790989680709)
dtype: object

Каков правильный способ "распаковать" эту структуру, чтобы получить DataFrame с двумя столбцами?

Связанный вопрос заключается в том, как я могу распаковать эту структуру или результирующий фреймворк в два объекта Series/array. Это почти работает:

t, p = zip(*out)

но он t равен

 (array(1.3066417475999257),
 array(0.08011333825171714),
 array(1.557843291126335),
 array(0.267999459641651))

и нужно сделать дополнительный шаг, чтобы сжать его.

Ответ 1

может быть, это самое страшное (большинство pythonic, я думаю):

out.apply(pd.Series)

если вы хотите переименовать столбцы в нечто более значимое, чем:

out.columns=['Kstats','Pvalue']

если вы не хотите использовать имя по умолчанию для индекса:

out.index.name=None

Ответ 2

может быть:

>>> pd.DataFrame(out.tolist(), columns=['out-1','out-2'], index=out.index)
                  out-1     out-2
y                                
a   -1.9153853424536496  0.067433
b     1.277561889173181  0.213624
c  0.062021492729736116  0.951059
d    0.3036745009819999  0.763993

[4 rows x 2 columns]

Ответ 3

Я считаю, что вы этого хотите:

df=pd.DataFrame(out.tolist())
df.columns=['KS-stat', 'P-value']

результат:

           KS-stat   P-value
0   -2.12978778869  0.043643
1    3.50655433879  0.001813
2    -1.2221274198  0.233527
3  -0.977154419818  0.338240

Ответ 4

Я столкнулся с подобной проблемой. То, что я нашел, 2 способа его решения - это точно ответ @CT ZHU и @Siraj S.

Вот моя дополнительная информация, которая вам может быть интересна: Я сравнил 2 пути и нашел способ @CT ZHU работает намного быстрее, когда размер ввода растет.

Пример:

#Python 3
import time
from statistics import mean
df_a = pd.DataFrame({'a':range(1000),'b':range(1000)})

#function to test
def func1(x):
    c = str(x)*3
    d = int(x)+100
    return c,d

# Siraj S way
time_difference = []
for i in range(100):
    start = time.time()
    df_b = df_a['b'].apply(lambda x: func1(x)).apply(pd.Series)
    end = time.time()
    time_difference.append(end-start)

print(mean(time_difference))    
# 0.14907703161239624

# CT ZHU way
time_difference = []
for i in range(100):
    start = time.time()
    df_b = pd.DataFrame(df_a['b'].apply(lambda x: func1(x)).tolist())
    end = time.time()
    time_difference.append(end-start)    

print(mean(time_difference)) 
# 0.0014058423042297363

PS: Прошу простить мой уродливый код.