Question

我试图更改我的DataFrame值，如下所示： df['Tokens'] = tokens tokens是2-d np.array的位置。我希望有一个列，其中每个元素都是1-d np.array，但是发现每个元素只占用了1-d array的第一个元素。有没有办法在DataFrame的元素中存储数组？

Answer 1

这就是你想要的吗？

In [26]: df = pd.DataFrame(np.random.rand(5,2), columns=list('ab'))

In [27]: df
Out[27]:
          a         b
0  0.513723  0.886019
1  0.197956  0.172094
2  0.131495  0.476552
3  0.678821  0.106523
4  0.440118  0.802589

In [28]: arr = df.values

In [29]: arr
Out[29]:
array([[ 0.51372311,  0.88601887],
       [ 0.19795635,  0.17209383],
       [ 0.13149478,  0.47655197],
       [ 0.67882124,  0.10652332],
       [ 0.44011802,  0.80258924]])

In [30]: df['c'] = arr.tolist()

In [31]: df
Out[31]:
          a         b                                           c
0  0.513723  0.886019    [0.5137231110962795, 0.8860188692834928]
1  0.197956  0.172094  [0.19795634688449892, 0.17209383434042336]
2  0.131495  0.476552  [0.13149477867656167, 0.47655196508193576]
3  0.678821  0.106523   [0.6788212365523125, 0.10652331756477551]
4  0.440118  0.802589   [0.44011802077658635, 0.8025892383754725]

5M行的时间DF：

In [36]: big = pd.concat([df] * 10**6, ignore_index=True)

In [38]: big.shape
Out[38]: (5000000, 2)

In [39]: arr = big.values

In [40]: %timeit arr.tolist()
1 loop, best of 3: 2.27 s per loop

In [41]: %timeit list(arr)
1 loop, best of 3: 3.62 s per loop

DataFrame的元素为numpy数组

1 个答案: