Question

我有一个数据框，要求列的子集具有多个值的条目。下面是一个带有＆＃34;运行时＆＃34;的数据帧。在各种条件下具有程序运行时的列：

df = [{"condition": "a", "runtimes": [1,1.5,2]}, {"condition": "b", "runtimes": [0.5,0.75,1]}]
df = pandas.DataFrame(df)

这会产生一个数据帧：

  condition        runtimes
0         a     [1, 1.5, 2]
1         b  [0.5, 0.75, 1]

如何使用此数据框并让pandas将其值视为数字列表？例如计算＆＃34;运行时＆＃34;的平均值。跨行的列？

df["runtimes"].mean()

给出错误："Could not convert [1, 1.5, 2, 0.5, 0.75, 1] to numeric"

它可以用于处理这些数据框，也可以将它们序列化为csv文件，其中列表如：[1, 1.5, 2]转换为"1,1.5,2"，这样它仍然是csv文件中的单个条目。

Answer 1

感觉就像你正试图让熊猫成为它不是的东西。如果您总是有3个运行时，则可以生成3列。然而，更多的Pandas-esqe方法是将您的数据标准化（无论您有多少不同的试验），如下所示：

df = [{"condition": "a", "trial": 1, "runtime": 1},
      {"condition": "a", "trial": 2, "runtime": 1.5},
      {"condition": "a", "trial": 3, "runtime": 2},
      {"condition": "b", "trial": 1, "runtime": .5},
      {"condition": "b", "trial": 2, "runtime": .75},
      {"condition": "b", "trial": 3, "runtime": 1}]
df = pd.DataFrame(df)

然后你可以

print df.groupby('condition').mean()


           runtime  trial
condition                
a             1.50      2
b             0.75      2

这里的概念是保持数据表格，每个单元格只有一个值。如果您想要嵌套列表函数，那么您应该使用列表，而不是Pandas数据帧。

Answer 2

看起来pandas正在尝试将系列中的所有列表相加并除以行数。这导致列表连接，结果未通过数字类型检查。这解释了错误中的列表。

您可以像这样计算平均值：

df['runtimes'].apply(numpy.mean)

除此之外，熊猫并不喜欢使用列表作为值。如果您的数据是表格式的，请考虑将列表分成三个单独的列。

序列化列将以类似的方式工作：

df['runtimes'].apply(lambda x: '"' + str(x)[1:-1] + '"')

如何在pandas数据帧中使用列表作为值？

2 个答案: