快捷導(dǎo)航

pandas將Series轉(zhuǎn)成DataFrame的實(shí)現(xiàn)

更新時(shí)間：2023年01月17日 14:32:45 作者：bitcarmanlee

本文主要介紹了pandas將Series轉(zhuǎn)成DataFrame的實(shí)現(xiàn)，文中通過示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧

1.Series結(jié)構(gòu)

pandas中，我們使用最多的兩個(gè)數(shù)據(jù)結(jié)構(gòu)，分別為Series與DataFrame。

Series跟一維數(shù)組比較像，可以認(rèn)為是dataframe中的"一列"。與一維數(shù)組不同的是，除了數(shù)組數(shù)據(jù)以外，他還有一組與數(shù)組數(shù)據(jù)對(duì)應(yīng)的標(biāo)簽索引。

2.將Series轉(zhuǎn)成DataFrame

2.1 使用字典的方式轉(zhuǎn)化

import pandas as pd

department = ['A', 'A', 'A', 'B', 'B', 'B', 'C', 'C']
group = ['g1', 'g1', 'g2', 'g3', 'g3', 'g4', 'g5', 'g5']
data = pd.DataFrame({'department': department, 'group': group})

d2 = data.groupby('department')['group'].apply(lambda x: ",".join(x))
print("d2 is: ", '\n', d2, "\nd2 type is: ", type(d2), '\n')
d2 = pd.DataFrame({'department': d2.index, 'group': d2.values})
print("after change, d2 is: ", '\n', d2, '\nd2 type is: ', type(d2), '\n')

上面的代碼中，data進(jìn)行g(shù)roupby操作以后取group列，得到的就是一個(gè)Series結(jié)構(gòu)。

d2 is:  
 department
A    g1,g1,g2
B    g3,g3,g4
C       g5,g5
Name: group, dtype: object 
d2 type is:  <class 'pandas.core.series.Series'>

該Series的index是department列，department列的值為A,B,C。具體的值為group，上面的邏輯是將相同department的group值進(jìn)行聚合。

我們想將其轉(zhuǎn)成一個(gè)dataframe，可以使用字典的方式，直接創(chuàng)建一個(gè)新的dataframe。d2.index表示Series的索引，d2.values表示Series的數(shù)據(jù)。

after change, d2 is:  
   department     group
0          A  g1,g1,g2
1          B  g3,g3,g4
2          C     g5,g5 
d2 type is:  <class 'pandas.core.frame.DataFrame'>

2.2 使用reset_index方法

還可以使用reset_index的方式，來將Series轉(zhuǎn)化為dataframe。

d3 = data.groupby('department')['group'].apply(lambda x: ','.join(x))
d3 = d3.reset_index(name='group')
d3['group'] = d3['group'].map(lambda x: ','.join(sorted(list(set(x.split(','))))))
print(d3)

上面的代碼也將Series轉(zhuǎn)換成了一個(gè)dataframe，與前面稍微有所區(qū)別的在于，對(duì)group還進(jìn)行了去重排序操作。

最后輸出的結(jié)果為

department group
0 A g1,g2
1 B g3,g4
2 C g5

3.apply，applymap, map

import pandas as pd

a = [1, 2, 3, 4, 5]
b = [10, 20, 30, 40, 50]
c = [0.1, 0.2, 0.3, 0.4, 0.5]

data = pd.DataFrame({'a': a, 'b': b, 'c': c})
print(data.apply(max), '\n')
print(data.a.apply(lambda x: x * 2), '\n')

print(data.applymap(lambda x: x+0.01), '\n')

print(data.a.map(lambda x: x+0.02))

a ? ? 5.0
b ? ?50.0
c ? ? 0.5
dtype: float64?

0 ? ? 2
1 ? ? 4
2 ? ? 6
3 ? ? 8
4 ? ?10
Name: a, dtype: int64?

? ? ? a ? ? ?b ? ? c
0 ?1.01 ?10.01 ?0.11
1 ?2.01 ?20.01 ?0.21
2 ?3.01 ?30.01 ?0.31
3 ?4.01 ?40.01 ?0.41
4 ?5.01 ?50.01 ?0.51?

0 ? ?1.02
1 ? ?2.02
2 ? ?3.02
3 ? ?4.02
4 ? ?5.02
Name: a, dtype: float64

apply可以用于Series，也可以用于DataFrame，可以對(duì)一列或多列進(jìn)行操作。
applymap只能作用于dataframe，是對(duì)dataframe的每一個(gè)元素進(jìn)行操作。
map只能作用于Series，其對(duì)Series中每個(gè)元素起作用。

到此這篇關(guān)于pandas將Series轉(zhuǎn)成DataFrame的實(shí)現(xiàn)的文章就介紹到這了,更多相關(guān)pandas Series轉(zhuǎn)成DataFrame內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

您可能感興趣的文章: