如何在Pandas中打开一系列元组?

时间:2014-04-02 00:14:32

标签: python pandas

有时我在使用Pandas时会得到一系列元组/列表。例如,当执行group-by并传递具有多个返回值的函数时,这很常见:

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

"解包"正确的方法是什么?这个结构让我得到一个有两列的DataFrame?

一个相关的问题是如何将此结构或结果数据框解压缩为两个Series / array对象。这几乎有效:

t, p = zip(*out)

但是t

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

并且需要采取额外的步骤来挤压它。

4 个答案:

答案 0 :(得分:24)

也许这是最直接的(我猜的大多数是pythonic):

out.apply(pd.Series)

如果您希望将列重命名为更有意义的列,而不是:

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

如果您不想要索引的默认名称:

out.index.name=None

答案 1 :(得分:12)

也许:

>>> 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]

答案 2 :(得分:9)

我相信你想要这个:

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

结果:

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

答案 3 :(得分:2)

我遇到了类似的问题。我找到了解决它的两种方法正是@CT ZHU和@Siraj S的答案。

以下是您可能感兴趣的补充信息: 我比较了两种方法,发现@CT ZHU的方式在输入大小增加时表现得更快。

示例:

#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'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's 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:请原谅我丑陋的代码。