python - 将 Pandas 列拆分为多列

Question

Pandas 有没有办法把一列拆分成多列？我在数据框中有一列，内容如下:

a
[c,a]
b

我想把它分成:

colA colB colC
a    nan  nan
a    nan   c
a     b   nan

请注意原始列中第 2 行中变量的顺序。谢谢

Answer 1

考虑系列 s

s = pd.Series(['a', ['c', 'a'], 'b'])

s

0         a
1    [c, a]
2         b
dtype: object

使用 pd.Series 和 '|'.join 神奇地变成串联的管道分隔字符串。使用 str.get_dummies 获取零和一的数组。将其乘以列以将其替换为列值。 where 屏蔽零并替换为 np.NaN。

d1 = s.apply(lambda x: '|'.join(pd.Series(x))).str.get_dummies()
d1.mul(d1.columns.values).where(d1.astype(bool))

     a    b    c
0    a  NaN  NaN
1    a  NaN    c
2  NaN    b  NaN

---

项目/杀死

import itertools

n = len(s)
i = np.arange(n).repeat([len(x) if hasattr(x, '__len__') else 1 for x in s])
j, u = pd.factorize(list(itertools.chain(*s)))
m = u.size
b = np.bincount(i * m + j, minlength=n * m).reshape(n, m)
pd.DataFrame(np.where(b, u, np.NaN), columns=u)

     a    b    c
0    a  NaN  NaN
1    a  NaN    c
2  NaN    b  NaN

---

时间

%%timeit
d1 = s.apply(lambda x: '|'.join(pd.Series(x))).str.get_dummies()
d1.mul(d1.columns.values).where(d1.astype(bool))

100 loops, best of 3: 2.58 ms per loop

%%timeit
n = len(s)
i = np.arange(n).repeat([len(x) if hasattr(x, '__len__') else 1 for x in s])
j, u = pd.factorize(list(itertools.chain(*s)))
m = u.size
b = np.bincount(i * m + j, minlength=n * m).reshape(n, m)
pd.DataFrame(np.where(b, u, np.NaN), columns=u)

1000 loops, best of 3: 287 µs per loop

%%timeit
s.apply(pd.Series)\
  .stack().str.get_dummies().sum(level=0)\
  .pipe(lambda x: x.mul(x.columns.values))\
  .replace('',np.nan)\
  .add_prefix('col')

100 loops, best of 3: 4.24 ms per loop