Если у меня есть DataFrame такой, что:
pd.DataFrame( {"name" : "John",
"days" : [[1, 3, 5, 7]]
})
дает следующую структуру:
days name
0 [1, 3, 5, 7] John
Как расширить его до следующего?
days name
0 1 John
1 3 John
2 5 John
3 7 John
Вы можете использовать df.itertuples для итерации по каждой строке и использовать понимание списка для преобразования данных в желаемую форму:
import pandas as pd
df = pd.DataFrame( {"name" : ["John", "Eric"],
"days" : [[1, 3, 5, 7], [2,4]]})
result = pd.DataFrame([(d, tup.name) for tup in df.itertuples() for d in tup.days])
print(result)
доходность
0 1
0 1 John
1 3 John
2 5 John
3 7 John
4 2 Eric
5 4 Eric
Решение Divakar, using_repeat, является самым быстрым:
In [48]: %timeit using_repeat(df)
1000 loops, best of 3: 834 µs per loop
In [5]: %timeit using_itertuples(df)
100 loops, best of 3: 3.43 ms per loop
In [7]: %timeit using_apply(df)
1 loop, best of 3: 379 ms per loop
In [8]: %timeit using_append(df)
1 loop, best of 3: 3.59 s per loop
Вот настройка, используемая для вышеуказанного теста:
import numpy as np
import pandas as pd
N = 10**3
df = pd.DataFrame( {"name" : np.random.choice(list('ABCD'), size=N),
"days" : [np.random.randint(10, size=np.random.randint(5))
for i in range(N)]})
def using_itertuples(df):
return pd.DataFrame([(d, tup.name) for tup in df.itertuples() for d in tup.days])
def using_repeat(df):
lens = [len(item) for item in df['days']]
return pd.DataFrame( {"name" : np.repeat(df['name'].values,lens),
"days" : np.concatenate(df['days'].values)})
def using_apply(df):
return (df.apply(lambda x: pd.Series(x.days), axis=1)
.stack()
.reset_index(level=1, drop=1)
.to_frame('day')
.join(df['name']))
def using_append(df):
df2 = pd.DataFrame(columns = df.columns)
for i,r in df.iterrows():
for e in r.days:
new_r = r.copy()
new_r.days = e
df2 = df2.append(new_r)
return df2
Здесь что-то с NumPy -
lens = [len(item) for item in df['days']]
df_out = pd.DataFrame( {"name" : np.repeat(df['name'].values,lens),
"days" : np.hstack(df['days'])
})
Как указано в @unutbu solution np.concatenate(df['days'].values) будет быстрее, чем np.hstack(df['days']).
Он использует понимание цикла для извлечения длин каждого элемента 'days', который должен быть минимальным по времени.
Пример прогона -
>>> df
days name
0 [1, 3, 5, 7] John
1 [2, 4] Eric
>>> lens = [len(item) for item in df['days']]
>>> pd.DataFrame( {"name" : np.repeat(df['name'].values,lens),
... "days" : np.hstack(df['days'])
... })
days name
0 1 John
1 3 John
2 5 John
3 7 John
4 2 Eric
5 4 Eric
A 'native' pandas solution - мы разворачиваем столбец в ряд, а затем присоединяем его на основе индекса:
import pandas as pd #import
x2 = x.days.apply(lambda x: pd.Series(x)).unstack() #make an unstackeded series, x2
x.drop('days', axis = 1).join(pd.DataFrame(x2.reset_index(level=0, drop=True))) #drop the days column, join to the x2 series
другое решение:
In [139]: (df.apply(lambda x: pd.Series(x.days), axis=1)
.....: .stack()
.....: .reset_index(level=1, drop=1)
.....: .to_frame('day')
.....: .join(df['name'])
.....: )
Out[139]:
day name
0 1 John
0 3 John
0 5 John
0 7 John
Возможно, так или иначе:
df2 = pd.DataFrame(columns = df.columns)
for i,r in df.iterrows():
for e in r.days:
new_r = r.copy()
new_r.days = e
df2 = df2.append(new_r)
df2
Благодаря решению Divakar, он написал это как функцию-обертку для выравнивания столбца, обрабатывая np.nan и DataFrames с несколькими столбцами
def flatten_column(df, column_name):
repeat_lens = [len(item) if item is not np.nan else 1 for item in df[column_name]]
df_columns = list(df.columns)
df_columns.remove(column_name)
expanded_df = pd.DataFrame(np.repeat(df.drop(column_name, axis=1).values, repeat_lens, axis=0), columns=df_columns)
flat_column_values = np.hstack(df[column_name].values)
expanded_df[column_name] = flat_column_values
expanded_df[column_name].replace('nan', np.nan, inplace=True)
return expanded_df