这里有一个数据帧:为什么df.apply(元组)工作,但没有df.apply(名单)?
A B C
0 6 2 -5
1 2 5 2
2 10 3 1
3 -5 2 8
4 3 6 2
我可以检索一列基本上是从原来的df
使用df.apply
列的元组:
out = df.apply(tuple, 1)
print(out)
0 (6, 2, -5)
1 (2, 5, 2)
2 (10, 3, 1)
3 (-5, 2, 8)
4 (3, 6, 2)
dtype: object
但是,如果我想的值的列表,而不是一个他们中的元组,我不能这样做,因为它并没有给我什么,我想到:
out = df.apply(list, 1)
print(out)
A B C
0 6 2 -5
1 2 5 2
2 10 3 1
3 -5 2 8
4 3 6 2
相反,我的东东d要做的事:
out = pd.Series(df.values.tolist())
print(out)
0 [6, 2, -5]
1 [2, 5, 2]
2 [10, 3, 1]
3 [-5, 2, 8]
4 [3, 6, 2]
dtype: object
为什么我不能用df.apply(list, 1)
得到我想要的?
附录一些可能的解决方法的
时序:
df_test = pd.concat([df] * 10000, 0)
%timeit pd.Series(df.values.tolist()) # original workaround
10000 loops, best of 3: 161 µs per loop
%timeit df.apply(tuple, 1).apply(list, 1) # proposed by Alexander
1000 loops, best of 3: 615 µs per loop
奇怪的行为。 'df.apply(tuple,1).apply(list)'作为解决方法? – Alexander
@Alexander可能的,但速度缓慢。 :(增加了一些时机。 –
,在您有列表对象的数据帧的时候,你已经差不多放弃了速度和效率都希望反正...注意,'.apply'只是围绕一个Python的包装为-loop,因此就使用'iterrows'一个for循环自己,这将可能是*比任何'.apply'方法快*。 –