Question

我有一个看起来像这样的初始熊猫数据框-每个单元格都是一个值列表 initial input

Python脚本-获取初始数据帧-就像Ian Thompson在此答案中提到的-

import pandas as pd

df_out1 = pd.DataFrame({
    0: [
        [None, 'A', 'B', 'C', 'D'],
        [None, 'A1', 'B1', 'C1', 'D1'],
        [None, 'A2', 'B2', 'C2', 'D2'],
    ],
    1: [
        [None] * 5,
        [None] * 5,
        [None] * 5,
    ],
    2: [
        ['V', 'W', 'X', 'Y', 'Z'],
        ['V1', 'W1', 'X1', 'Y1', 'Z1'],
        ['V2', 'W2', 'X2', 'Y2', 'Z2'],
    ]
})

我想要这样格式化-对于每一行-列表的每个项目都构成一列，并针对所有重复/迭代执行此操作- desired output

我的原始输入数据集非常大-10,000行40列。我正在python脚本下执行-尽管它正在工作并提供所需的输出-当我将其运行2000行40列时-运行时间接近1800秒，我认为这是更高的方面。

Python脚本：df_out1是初始数据帧

d = pd.DataFrame()
for x in range(len(df_out1)):
    for y in range(len(df_out1.columns)):
        d = d.append(pd.Series(df_out1[y][x]), ignore_index=True)
d.to_csv('inter_alm_output_' + str(time.strftime("%Y%m%d-%H%M%S")) + '.csv')

有没有一种方法可以在更短的时间内实现这一目标，换句话说就是优化它？

Answer 1

如果这是您的起始数据帧：

df = pd.DataFrame({
    0 : [
        [None, 'A', 'B', 'C', 'D'],
        [None, 'A1', 'B1', 'C1', 'D1'],
        [None, 'A2', 'B2', 'C2', 'D2'],
    ],
    1 : [
        [None]*5,
        [None]*5,
        [None]*5,
    ],
    2 : [
        ['V', 'W', 'X', 'Y', 'Z'],
        ['V1', 'W1', 'X1', 'Y1', 'Z1'],
        ['V2', 'W2', 'X2', 'Y2', 'Z2'],
    ]
})

您可以通过应用pd.Series并串联结果来重新格式化列。

print(pd.concat([
    df[i].apply(pd.Series) for i in df.columns
]).sort_index().reset_index(drop=True))

      0     1     2     3     4
0  None     A     B     C     D
1  None  None  None  None  None
2     V     W     X     Y     Z
3  None    A1    B1    C1    D1
4  None  None  None  None  None
5    V1    W1    X1    Y1    Z1
6  None    A2    B2    C2    D2
7  None  None  None  None  None
8    V2    W2    X2    Y2    Z2

不使用pd.concat的另一种方法：

print(df.stack().reset_index(drop=True).apply(pd.Series))

      0     1     2     3     4
0  None     A     B     C     D
1  None  None  None  None  None
2     V     W     X     Y     Z
3  None    A1    B1    C1    D1
4  None  None  None  None  None
5    V1    W1    X1    Y1    Z1
6  None    A2    B2    C2    D2
7  None  None  None  None  None
8    V2    W2    X2    Y2    Z2

第一个方法在

中完成

3.93 ms ± 154 µs per loop (mean ± std. dev. of 7 runs, 100 loops each

第二种方法在

中完成

2.34 ms ± 66.4 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

您的原始代码在

中完成

15 ms ± 340 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

Answer 2

IIUC，您可以获得所需的结果。

输入

contrib

代码

                   group    count                       value
0   [None, A, B, C, D]      [None, None, None, None]    [v, w, x, y, z]
1   [None, A1, B1, C1, D1]  [None, None, None, None]    [v1, w1, x1, y1, z1]
2   [None, A2, B2, C2, D2]  [None, None, None, None]    [v2, w2, x2, y2, z2]

输出

df1 = df.stack().droplevel(1).reset_index(name='col').drop('index',axis=1)
pd.DataFrame(df1['col'].values.tolist(), columns=['M','N','O','P','Q'])

将列表项拆分为单独的列-Pandas数据框架

2 个答案: