如何在 pandas 数据框中展平数组

Question

假设我有一个 pandas 数据框，例如

df_p = pd.DataFrame(
   {'name_array':
    [[20130101, 320903902, 239032902],
     [20130101, 3253453, 239032902],
     [65756, 4342452, 32425432523]],
    'name': ['a', 'a', 'c']} )

我想提取每行包含展平数组的系列，同时保留顺序

预期结果是 pandas.core.series.Series

这个问题不是重复的，因为我的预期输出是 pandas 系列，而不是数据框。

Answer 1

这是我想出的解决办法。不知道有没有更有效的方法。

df_p = pd.DataFrame(
   {'name_array':
    [[20130101, 320903902, 239032902],
     [20130101, 3253453, 239032902],
     [65756, 4342452, 32425432523]],
    'name': ['a', 'a', 'c']} )

data = pd.DataFrame( {'column':np.concatenate(df_p['name_array'].values)} )['column']

输出：

[0       20130101
 1      320903902
 2      239032902
 3       20130101
 4        3253453
 5      239032902
 6          65756
 7        4342452
 8    32425432523
 Name: column, dtype: int64]

Answer 2

您可以使用 pd.melt:

pd.melt(df_p.name_array.apply(pd.Series).reset_index(), 
        id_vars=['index'],
        value_name='name_array') \
        .drop('variable', axis=1) \
        .sort_values('index')

输出：

index   name_array
0       20130101
0       320903902
0       239032902
1       20130101
1       3253453
1       239032902
2       65756
2       4342452
2       32425432523

Answer 3

使用 melt 的解决方案比他们在答案中分享的 OP 的原始方法慢，尤其是在我对该答案的评论加速之后。

我创建了一个更大的数据框来测试：

df = pd.DataFrame({'name_array': np.random.rand(1000, 3).tolist()})

并在此数据帧上使用 melt 对两个解决方案进行计时，产量：

In [16]: %timeit pd.melt(df.name_array.apply(pd.Series).reset_index(), id_vars=['index'],value_name='name_array').drop('variable', axis=1).sort_values('index')
173 ms ± 5.68 ms per loop (mean ± std. dev. of 7 runs, 10 loops each)

In [17]: %timeit df['name_array'].apply(lambda x: pd.Series([i for i in x])).melt().drop('variable', axis=1)['value']
175 ms ± 4.86 ms per loop (mean ± std. dev. of 7 runs, 10 loops each)

我在评论中建议的具有加速的 OP 方法：

In [18]: %timeit pd.Series(np.concatenate(df['name_array']))
18 ms ± 887 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

最后，提供的最快解决方案但经过修改以提供系列而不是数据帧输出：

In [14]: from itertools import chain
In [15]: %timeit pd.Series(list(chain.from_iterable(df['name_array'])))
402 µs ± 4.68 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)

最后一种方法比 melt() 快 3 个数量级，比 np.concatenate() 快 2 个数量级。

Answer 4

您可以展平列的列表，然后通过这种方式创建一系列：

pd.Series([element for row in df_p.name_array for element in row])

如何在 pandas 数据框中展平数组

how to flatten array in pandas dataframe

python

series

flatten

pandas