在Pandas数据帧列中将列表拆分为多个列

我正在处理电影数据并拥有电影流派的数据帧列。目前该列包含每部电影的电影流派列表（因为大多数电影都分配给多个流派），但为了进行此分析，我想解析列表并为每个流派创建一个新的数据帧列。因此，对于某部电影而言，不是有流派= ['戏剧'，'颤栗']，而是有两列，例如genre1 ='Drama'和genre2 ='Thriller'。在Pandas数据帧列中将列表拆分为多个列

这里是我的数据的一个片段：

{'color': {0: [u'Color::(Technicolor)'], 
    1: [u'Color::(Technicolor)'], 
    2: [u'Color::(Technicolor)'], 
    3: [u'Color::(Technicolor)'], 
    4: [u'Black and White']}, 
'country': {0: [u'USA'], 
    1: [u'USA'], 
    2: [u'USA'], 
    3: [u'USA', u'UK'], 
    4: [u'USA']}, 
'genre': {0: [u'Crime', u'Drama'], 
    1: [u'Crime', u'Drama'], 
    2: [u'Crime', u'Drama'], 
    3: [u'Action', u'Crime', u'Drama', u'Thriller'], 
    4: [u'Crime', u'Drama']}, 
'language': {0: [u'English'], 
    1: [u'English', u'Italian', u'Latin'], 
    2: [u'English', u'Italian', u'Spanish', u'Latin', u'Sicilian'], 
    3: [u'English', u'Mandarin'], 
    4: [u'English']}, 
'rating': {0: 9.3, 1: 9.2, 2: 9.0, 3: 9.0, 4: 8.9}, 
'runtime': {0: [u'142'], 
    1: [u'175'], 
    2: [u'202', u'220::(The Godfather Trilogy 1901-1980 VHS Special Edition)'], 
    3: [u'152'], 
    4: [u'96']}, 
'title': {0: u'The Shawshank Redemption', 
    1: u'The Godfather', 
    2: u'The Godfather: Part II', 
    3: u'The Dark Knight', 
    4: u'12 Angry Men'}, 
'votes': {0: 1793199, 1: 1224249, 2: 842044, 3: 1774083, 4: 484061}, 
'year': {0: 1994, 1: 1972, 2: 1974, 3: 2008, 4: 1957}}

任何帮助将不胜感激！谢谢！

来源

2017-04-04 yogz123

这应该为你工作：

pd.concat([df.drop(['genre'],axis=1),df['genre'].apply(pd.Series).rename(columns={0:'genre_0',1:'genre_1',2:'genre_2',3:'genre_3'})],axis=1)

来源

2017-04-04 14:21:54

没”甚至不知道t他是@jezrael建议的'add_prefix'选项。更可读。它会变成'pd.concat（[df.drop（['genre']，axis = 1），df ['genre']。apply（pd.Series）.add_prefix（'genre _'）]，axis = 1） ' –

并且'apply（pd.Series）'很慢，最好不要用它。检查我的答案中的时间。 – jezrael

@jezrael感谢您好，以便将来使用！ –

我认为你需要DataFrame构造与add_prefix和最后concat原始：

df1 = pd.DataFrame(df.genre.values.tolist()).add_prefix('genre_') 
df = pd.concat([df.drop('genre',axis=1), df1], axis=1)

时序：

df = pd.DataFrame(d) 
print (df) 
#5000 rows 
df = pd.concat([df]*1000).reset_index(drop=True) 

In [394]: %timeit (pd.concat([df.drop('genre',axis=1), pd.DataFrame(df.genre.values.tolist()).add_prefix('genre_')], axis=1)) 
100 loops, best of 3: 3.4 ms per loop 

In [395]: %timeit (pd.concat([df.drop(['genre'],axis=1),df['genre'].apply(pd.Series).rename(columns={0:'genre_0',1:'genre_1',2:'genre_2',3:'genre_3'})],axis=1)) 
1 loop, best of 3: 757 ms per loop

来源

2017-04-04 14:19:46 jezrael

在Pandas数据帧列中将列表拆分为多个列

回答

相关问题