合并两列中的数字以创建一个数组

Question

创建示例数据帧的代码：

Sample = [{'account': 'Jones LLC', 'Jan': 150, 'Feb': 200, 'Mar': [[.332, .326], [.058, .138]]},
     {'account': 'Alpha Co',  'Jan': 200, 'Feb': 210, 'Mar': [[.234, .246], [.234, .395]]},
     {'account': 'Blue Inc',  'Jan': 50,  'Feb': 90,  'Mar': [[.084, .23], [.745, .923]]}]
df = pd.DataFrame(Sample)

示例数据框可视化：

 df:
  account        Jan      Feb          Mar
Jones LLC  |     150   |   200    | [.332, .326], [.058, .138]
Alpha Co   |     200   |   210    | [[.234, .246], [.234, .395]
Blue Inc   |     50    |   90     | [[.084, .23], [.745, .923]

我正在寻找一个将Jan和Feb列合并为一个数组的公式，在这个数组的New列中输出。

预期产出：

 df:
  account        Jan      Feb          Mar                             New
Jones LLC  |     150   |   200    | [.332, .326], [.058, .138]   |    [150, 200]
Alpha Co   |     200   |   210    | [[.234, .246], [.234, .395]  |    [200, 210]
Blue Inc   |     50    |   90     | [[.084, .23], [.745, .923]   |    [50, 90]

Answer 1

使用values.tolist

df.assign(New=df[['Feb', 'Jan']].values.tolist())
# inplace... use this
# df['New'] = df[['Feb', 'Jan']].values.tolist()

   Feb  Jan                               Mar    account         New
0  200  150  [[0.332, 0.326], [0.058, 0.138]]  Jones LLC  [200, 150]
1  210  200  [[0.234, 0.246], [0.234, 0.395]]   Alpha Co  [210, 200]
2   90   50   [[0.084, 0.23], [0.745, 0.923]]   Blue Inc    [90, 50]

数据量更大的时间
使用3,000行数据帧，避免apply的速度提高了60多倍。

df = pd.concat([df] * 1000, ignore_index=True)

%timeit df.assign(New=df[['Feb', 'Jan']].values.tolist())
%timeit df.assign(New=df.apply(lambda x: [x['Jan'], x['Feb']], axis=1))

1000 loops, best of 3: 947 µs per loop
10 loops, best of 3: 61.7 ms per loop

对于30,000行数据帧，速度提高160倍

df = pd.concat([df] * 10000, ignore_index=True)

100 loops, best of 3: 3.58 ms per loop
1 loop, best of 3: 586 ms per loop

Answer 2

列表理解

如果您正在寻找速度，这就是您的选择。

df['New'] = [[x, y] for x, y in zip(df.Jan, df.Feb)]
df

   Feb  Jan                               Mar    account         New
0  200  150  [[0.332, 0.326], [0.058, 0.138]]  Jones LLC  [150, 200]
1  210  200  [[0.234, 0.246], [0.234, 0.395]]   Alpha Co  [200, 210]
2   90   50   [[0.084, 0.23], [0.745, 0.923]]   Blue Inc    [50, 90]

如果要删除原始列，可以使用

df.drop(['Jan', 'Feb'], axis=1, inplace=True)

df.apply axis=1

这是为了完成 - 我不再宽恕apply的使用。

df['New'] = df.apply(lambda x: [x['Jan'], x['Feb']], axis=1)    
df

   Feb  Jan                               Mar    account         New
0  200  150  [[0.332, 0.326], [0.058, 0.138]]  Jones LLC  [150, 200]
1  210  200  [[0.234, 0.246], [0.234, 0.395]]   Alpha Co  [200, 210]
2   90   50   [[0.084, 0.23], [0.745, 0.923]]   Blue Inc    [50, 90]

<强>性能
重复piR对小数据（3000行）的测试，包括列表理解方法，我们有 -

%timeit df.assign(New=df[['Feb', 'Jan']].values.tolist())
%timeit df.assign(New=df.apply(lambda x: [x['Jan'], x['Feb']], axis=1))
%timeit df.assign(New=[[x, y] for x, y in zip(df.Jan, df.Feb)])

2.76 ms ± 596 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)
152 ms ± 9.47 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)
1.59 ms ± 13.3 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)

对于较大的数据（30,000行） -

5.95 ms ± 527 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)
1.53 s ± 165 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)
8.79 ms ± 793 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

列表理解和.tolist()都是竞争方法。您决定使用哪一个是品味问题。 不使用apply！

Answer 3

您还可以尝试df['New'] = list(zip(df.Feb, df.Jan))

或使用tolist df['New'] = df.ix[:,0:2].values.tolist()