Pandas数据帧将数组分成两列

Question

我有一个如下所示的数据框：

       reviewerID        asin    reviewerName helpful  unixReviewTime  \
0  A1N4O8VOJZTDVB  B004A9SDD8  Annette Yancey  [1, 1]      1383350400   

我想分开“有用的”＃39;列分为两个不同的列，名称为＆＃39; helpful_numerator＆＃39;和有用的分母，我无法弄清楚。

非常感谢任何帮助！

Answer 1

您可以使用zip将helpful解压缩到不同的列中：

df['helpful_numerator'], df['helpful_denominator'] = zip(*df['helpful'])

修改

正如@MaxU在评论中所提到的，如果您要从数据框中删除helpful列，请在zip中选择列时使用pop：

df['helpful_numerator'], df['helpful_denominator'] = zip(*df.pop('helpful'))

<强>计时

使用以下设置创建一个更大的示例DataFrame，并针对以下时间运行函数：

df = pd.DataFrame({'A': list('abc'), 'B': [[0,1],[2,3],[4,5]]})
df = pd.concat([df]*10**5, ignore_index=True)

def root(df):
    df['C'], df['D'] = zip(*df['B'])
    return df

def maxu(df):
    return df.join(pd.DataFrame(df.pop('B').tolist(), columns=['C', 'D']))

def flyingmeatball(df):
    df['C'] = df['B'].apply(lambda x: x[0])
    df['D'] = df['B'].apply(lambda x: x[1])
    return df

def psidom(df):
    df['C'] = df.B.str[0]
    df['D'] = df.B.str[1]
    return df

我得到以下时间：

%timeit root(df.copy())
10 loops, best of 3: 70.6 ms per loop

%timeit maxu(df.copy())
10 loops, best of 3: 151 ms per loop

%timeit flyingmeatball(df.copy())
1 loop, best of 3: 223 ms per loop

%timeit psidom(df.copy())
1 loop, best of 3: 283 ms per loop

Answer 2

如果helpful是一列列表，您可以使用str访问列表中的元素：

df['helpful_numerator'] = df.helpful.str[0]    
df['helpful_denominator'] = df.helpful.str[1]
df

Answer 3

又一个解决方案：

In [74]: df
Out[74]:
       reviewerID        asin    reviewerName  unixReviewTime helpful
0  A1N4O8VOJZTDVB  B004A9SDD8  Annette Yancey      1383350400  [1, 1]

In [75]: df.join(pd.DataFrame(df.pop('helpful').tolist(),
                              columns=['helpful_numerator','helpful_denominator']))
Out[75]:
       reviewerID        asin    reviewerName  unixReviewTime  helpful_numerator  helpful_denominator
0  A1N4O8VOJZTDVB  B004A9SDD8  Annette Yancey      1383350400                  1                    1

Answer 4

假设列包含列表，您可以使用.apply

df['helpful_numerator'] = df['helpful'].apply(lambda x: x[0])
df['helpful_denominator'] = df['helpful'].apply(lambda x: x[1])