Der Zugriff auf 1. element der Pandas DataFrame Spalte mit Listen

Habe ich ein Pandas DataFrame mit einer Spalte, in der Listen-Objekte

      A
0   [1,2]
1   [3,4]
2   [8,9] 
3   [2,6]

Wie kann ich Zugriff auf das erste element jeder Liste, und speichern Sie es in eine neue Spalte der DataFrame? Um ein Ergebnis zu bekommen wie diese:

      A     new_col
0   [1,2]      1
1   [3,4]      3
2   [8,9]      8
3   [2,6]      2

Ich weiß, das getan werden könnte, über die Iteration über jede Zeile, aber es ist eine "pythonic" Weg?

InformationsquelleAutor mkoala | 2016-05-09
  1. 12

    Können Sie map und ein lambda Funktion

    df.loc[:, 'new_col'] = df.A.map(lambda x: x[0])
    • in myy Fall war der code der kürzeste runtimewith Ihre Lösung. Vielen Dank für die Hilfe!
    InformationsquelleAutor dmb
  2. 20

    Wie immer, denken Sie daran, dass die Speicherung von nicht-Skalare Objekte in frames ist generell disfavoured, und sollte wirklich nur verwendet werden, als temporären Zwischenschritt.

    Das heißt, Sie können die .str accessor-auch wenn es sich nicht um eine Spalte mit strings:

    >>> df = pd.DataFrame({"A": [[1,2],[3,4],[8,9],[2,6]]})
>>> df["new_col"] = df["A"].str[0]
>>> df
        A  new_col
0  [1, 2]        1
1  [3, 4]        3
2  [8, 9]        8
3  [2, 6]        2
>>> df["new_col"]
0    1
1    3
2    8
3    2
Name: new_col, dtype: int64
    • Das war wirklich nur vorübergehend, weil ich '.split () " auf die Saiten in diesen Spalten. Vielen Dank für deine schnelle Hilfe!
    InformationsquelleAutor DSM
  3. 4

    Verwenden apply mit x[0]:

    df['new_col'] = df.A.apply(lambda x: x[0])
print df
        A  new_col
0  [1, 2]        1
1  [3, 4]        3
2  [8, 9]        8
3  [2, 6]        2
    InformationsquelleAutor jezrael
  4. 2

    Können Sie einfach eine bedingte Liste begreifen, das nimmt den ersten Wert jeder wiederholenden oder sonst verwendet Keiner für diese Position. Liste Verstehens sind sehr Pythonic.

    df['new_col'] = [val[0] if hasattr(val, '__iter__') else None for val in df["A"]]

>>> df
        A  new_col
0  [1, 2]        1
1  [3, 4]        3
2  [8, 9]        8
3  [2, 6]        2

    Timings

    df = pd.concat([df] * 10000)

%timeit df['new_col'] = [val[0] if hasattr(val, '__iter__') else None for val in df["A"]]
100 loops, best of 3: 13.2 ms per loop

%timeit df["new_col"] = df["A"].str[0]
100 loops, best of 3: 15.3 ms per loop

%timeit df['new_col'] = df.A.apply(lambda x: x[0])
100 loops, best of 3: 12.1 ms per loop

%timeit df.A.map(lambda x: x[0])
100 loops, best of 3: 11.1 ms per loop

    Entfernen der Sicherheits-check ist die Gewährleistung eines interable.

    %timeit df['new_col'] = [val[0] for val in df["A"]]
100 loops, best of 3: 7.38 ms per loop
    • Just bewusst sein, dass hasattr(..., '__iter__') ist nicht ein Magischer Liste Bezeichner, werde es auch für strings, z.B. hasattr('hello', '__iter__') zurück True, das kann nicht sein, was Sie wollen.
    InformationsquelleAutor Alexander
Schreibe einen Kommentar