索引到 pandas DataFrame 的数组列

Question

我有一个包含一些数组列的 pandas DataFrame。 通过不同的 position 索引来索引其中一些列的推荐方法是什么？ 例如，从名为l的数组列中我需要第二个元素，从名为a的数组列中我需要第一个元素。 结果应该是新的 DataFrame。 数组列可以包含 Python 列表或 Numpy 数组，但这可能无关紧要。

我有三个解决方案，但我真的不喜欢其中任何一个。

df= pd.DataFrame({'l': [[1, 2, 4], [3, 2, 0, 10]], \
                  'a':[np.array(["foo", "bar", "baz"]), np.array(["qux", "quux"])], \
                  'dontcare': [10, 20]})

               l                a  dontcare
0      [1, 2, 4]  [foo, bar, baz]        10
1  [3, 2, 0, 10]      [qux, quux]        20

解决方案 1，使用str和join

df['l'].str[1].to_frame('l').join(df['a'].str[0])

   l    a
0  2  foo
1  2  qux

解决方案2，用function apply并创建系列

df.apply(lambda row: pd.Series([row['l'][1], row['a'][0]], index=['l', 'a']), axis=1)

解决方案 3，使用apply和broadcast 。

df[['l', 'a']].apply(lambda row: [row['l'][1], row['a'][0]], axis=1, result_type='broadcast')

我们可以假设 output 列名与输入列名匹配，并且我们不需要任何数组列的多个元素。

Answer 1

我认为这取决于。

第一个解决方案是最通用的，如果索引不存在，则始终工作 - 然后返回NaN 。 但如果大DataFrame也是最慢解决方案的原因。

print (df['l'].str[3].to_frame('l').join(df['a'].str[2]))
      l    a
0   NaN  baz
1  10.0  NaN

apply的另一个解决方案应该更快，但如果值不存在，则会失败。

print (df.apply(lambda row: pd.Series([row['l'][3], row['a'][2]], index=['l', 'a']), axis=1))

IndexError: ('list index out of range', '发生在索引 0')

---

如果列表中始终存在值的另一个想法是使用列表理解（但失败类似于应用，如果不存在）与*c为tail ：

df= pd.DataFrame({'l': [[1, 2, 4], [3, 2, 0, 10]], \
                  'a':[np.array(["foo", "bar", "baz"]), np.array(["qux", "quux"])], \
                  'dontcare': [10, 20],
                   's': [10, 20], 
                   'b': [10, 20]})
print (df)
               l                a  dontcare   s   b
0      [1, 2, 4]  [foo, bar, baz]        10  10  10
1  [3, 2, 0, 10]      [qux, quux]        20  20  20

df = pd.DataFrame([(a[1], b[0]) for a,b, *c in df.values], columns=['l', 'a'])
print (df)
   l    a
0  2  foo
1  2  qux

或者 select 按list进行处理：

df = pd.DataFrame([(a[1], b[0]) for a,b in df[['l','a']].values], columns=['l', 'a'])