Question

我有一个带有不同列的pandas数据框，其中之一是使用split命令将其拆分为列表的字符串：

    import Pandas as pd

    csvRead = pd.read_csv('../data/Data.csv')
    df = pd.DataFrame(csvRead)

    df['split_string'] = df['string'].str.split(r'[ ]')

    idx = 0
    for i in df['split_string']:
        df['split_string_counts'][idf] = len(i)
        i += 1

现在我要向量化for语句，因为Pandas.Series pacakge中没有标准命令可以计算split命令给定列表的元素数量。数据帧df有超过200万个条目，因此for效率很低。

Answer 1

不幸的是，这里不可能进行矢量化，但是如果没有缺失值，则可以使用列表推导：

#DataFrame constructor is not necessary, because read_csv return DataFrame
df = pd.read_csv('../data/Data.csv')

df['split_string'] = [x.split() for x in df['string']]
df['split_string_counts'] = [len(x) for x in df['split_string']]

如果可能的缺失值，请使用split和len：

df['split_string'] = df['string'].str.split()
df['split_string_counts'] = df['split_string'].str.len()

Answer 2

可以通过访问该系列的基础.values来完成：

import numpy as np

mylen = np.vectorize(len)
df['split_string_counts'] = mylen(df['split_string'].values)

但是对this answer的评论表明它不会比jezrael建议的列表理解要快。

在熊猫数据框的列表条目中获取数字条目

2 个答案: