Question

我有一个看起来像这样的数据框：

    v1  v2
0   a   A1
1   b   A2,A3
2   c   B4
3   d   A5, B6, B7

我想修改此数据框，以使v2列中具有多个值的任何行都被复制为v2中的每个值。例如，对于上述数据框，结果如下：

我能够使用以下代码来做到这一点：

new_df = pd.DataFrame()
for index, row in df.iterrows():
    if len(row["v2"].split(','))>1:
        row_base = row
        for r in row["v2"].split(','):
            row_base["v2"] = r
            new_df = new_df.append(row_base, ignore_index=True)
    else:
        new_df = new_df.append(row)

但是在大型数据框上它效率极低，我想学习如何更有效地做到这一点。

Answer 1

使用Series.str.split和DataFrame.explode的0.25+版本的熊猫解决方案：

df = df.assign(v2 = df.v2.str.split(',')).explode('v2').reset_index(drop=True)
print (df)
  v1  v2
0  a  A1
1  b  A2
2  b  A3
3  c  B4
4  d  A5
5  d  B6
6  d  B7

对于较旧的版本，使用numpy的perfromace也应该更好：

from itertools import chain

s = df.v2.str.split(',')
lens = s.str.len()
df = pd.DataFrame({
    'v1' : df['v1'].values.repeat(lens),
    'v2' : list(chain.from_iterable(s.values.tolist()))
})
print (df)
  v1  v2
0  a  A1
1  b  A2
2  b  A3
3  c  B4
4  d  A5
5  d  B6
6  d  B7

如何有效地复制熊猫行，仅更改一列？

1 个答案: