Python 如何在不删除其他列的情况下将tolist（）放在一列上，请参见

不知道如何在不删除其他列的情况下对一列执行tolist（）

我有三个专栏

category      |        item         |    subcategory

Construction  |  [28, 0, 72168025]  |     tools

我想打开df.item的包装，这样我就可以得到：

category      |  name   |  price  |   view     |  subcategory

Construction  |   28    |    0    |  72168025  |    tools

我做到了：

df = pd.DataFrame(df.item.tolist(), columns=['Name', 'Price', 'View']) 

但我得到：

|  name   |  price  |   view     |

|   28    |    0    |  72168025  |  

---

如何将其他列包含到df。

您可以使用原始解决方案，将结果加入原始数据框，删除原始列：

df2 = pd.DataFrame(df.item.tolist(), columns=['Name', 'Price', 'View'], index=df.index)
final_df = df.join(df2).drop("item", axis=1) 

---

您可以使用原始解决方案，将结果加入原始数据框，删除原始列：

df2 = pd.DataFrame(df.item.tolist(), columns=['Name', 'Price', 'View'], index=df.index)
final_df = df.join(df2).drop("item", axis=1) 

---

如果您的列由每行上的列表组成，则不需要

.tolist（）

将其转换为单独的列

这里有一种可能的方法来解决这个问题

生成一些虚拟数据

import pandas as pd
import numpy as np

df = pd.DataFrame(np.random.rand(10,1), columns=list('A'))
df['category'] = 'Construction'
df['item'] = [[28,0,72168025]]*df.shape[0]
df['subcategory'] = 'tools'
print(df)
          A      category               item subcategory
0  0.972818  Construction  [28, 0, 72168025]       tools
1  0.583059  Construction  [28, 0, 72168025]       tools
2  0.784836  Construction  [28, 0, 72168025]       tools
3  0.393868  Construction  [28, 0, 72168025]       tools
4  0.806041  Construction  [28, 0, 72168025]       tools
5  0.871041  Construction  [28, 0, 72168025]       tools
6  0.573951  Construction  [28, 0, 72168025]       tools
7  0.513052  Construction  [28, 0, 72168025]       tools
8  0.982331  Construction  [28, 0, 72168025]       tools
9  0.713301  Construction  [28, 0, 72168025]       tools

现在，在

项

列（或）上使用

apply（pd.Series）

获得一个单独的数据框，其中每个列表元素对应一个单独的系列，并指定列名

df_split = df['item'].apply(pd.Series)
df_split.columns = ['Name', 'Price', 'View']

最后，将原始数据帧与新（拆分）数据帧连接起来

df = pd.concat([df, df_split], axis=1)

输出

print(df)
          A      category               item subcategory  Name  Price      View
0  0.684692  Construction  [28, 0, 72168025]       tools    28      0  72168025
1  0.404291  Construction  [28, 0, 72168025]       tools    28      0  72168025
2  0.084463  Construction  [28, 0, 72168025]       tools    28      0  72168025
3  0.060698  Construction  [28, 0, 72168025]       tools    28      0  72168025
4  0.096269  Construction  [28, 0, 72168025]       tools    28      0  72168025
5  0.539278  Construction  [28, 0, 72168025]       tools    28      0  72168025
6  0.159661  Construction  [28, 0, 72168025]       tools    28      0  72168025
7  0.651479  Construction  [28, 0, 72168025]       tools    28      0  72168025
8  0.961392  Construction  [28, 0, 72168025]       tools    28      0  72168025
9  0.741887  Construction  [28, 0, 72168025]       tools    28      0  72168025

（可选）删除原始

项

列

df.drop(['item'], axis=1, inplace=True)
print(df)
          A      category subcategory  Name  Price      View
0  0.833281  Construction       tools    28      0  72168025
1  0.229584  Construction       tools    28      0  72168025
2  0.403571  Construction       tools    28      0  72168025
3  0.822803  Construction       tools    28      0  72168025
4  0.968666  Construction       tools    28      0  72168025
5  0.053424  Construction       tools    28      0  72168025
6  0.759824  Construction       tools    28      0  72168025
7  0.766610  Construction       tools    28      0  72168025
8  0.752378  Construction       tools    28      0  72168025
9  0.056715  Construction       tools    28      0  72168025

---

编辑：虽然这种方法是可行的，但有比使用

apply

更快的方法-请参阅。

如果列由每行上的列表组成，则不需要

.tolist（）

将其转换为单独的列

这里有一种可能的方法来解决这个问题

生成一些虚拟数据

import pandas as pd
import numpy as np

df = pd.DataFrame(np.random.rand(10,1), columns=list('A'))
df['category'] = 'Construction'
df['item'] = [[28,0,72168025]]*df.shape[0]
df['subcategory'] = 'tools'
print(df)
          A      category               item subcategory
0  0.972818  Construction  [28, 0, 72168025]       tools
1  0.583059  Construction  [28, 0, 72168025]       tools
2  0.784836  Construction  [28, 0, 72168025]       tools
3  0.393868  Construction  [28, 0, 72168025]       tools
4  0.806041  Construction  [28, 0, 72168025]       tools
5  0.871041  Construction  [28, 0, 72168025]       tools
6  0.573951  Construction  [28, 0, 72168025]       tools
7  0.513052  Construction  [28, 0, 72168025]       tools
8  0.982331  Construction  [28, 0, 72168025]       tools
9  0.713301  Construction  [28, 0, 72168025]       tools

现在，在

项

列（或）上使用

apply（pd.Series）

获得一个单独的数据框，其中每个列表元素对应一个单独的系列，并指定列名

df_split = df['item'].apply(pd.Series)
df_split.columns = ['Name', 'Price', 'View']

最后，将原始数据帧与新（拆分）数据帧连接起来

df = pd.concat([df, df_split], axis=1)

输出

print(df)
          A      category               item subcategory  Name  Price      View
0  0.684692  Construction  [28, 0, 72168025]       tools    28      0  72168025
1  0.404291  Construction  [28, 0, 72168025]       tools    28      0  72168025
2  0.084463  Construction  [28, 0, 72168025]       tools    28      0  72168025
3  0.060698  Construction  [28, 0, 72168025]       tools    28      0  72168025
4  0.096269  Construction  [28, 0, 72168025]       tools    28      0  72168025
5  0.539278  Construction  [28, 0, 72168025]       tools    28      0  72168025
6  0.159661  Construction  [28, 0, 72168025]       tools    28      0  72168025
7  0.651479  Construction  [28, 0, 72168025]       tools    28      0  72168025
8  0.961392  Construction  [28, 0, 72168025]       tools    28      0  72168025
9  0.741887  Construction  [28, 0, 72168025]       tools    28      0  72168025

（可选）删除原始

项

列

df.drop(['item'], axis=1, inplace=True)
print(df)
          A      category subcategory  Name  Price      View
0  0.833281  Construction       tools    28      0  72168025
1  0.229584  Construction       tools    28      0  72168025
2  0.403571  Construction       tools    28      0  72168025
3  0.822803  Construction       tools    28      0  72168025
4  0.968666  Construction       tools    28      0  72168025
5  0.053424  Construction       tools    28      0  72168025
6  0.759824  Construction       tools    28      0  72168025
7  0.766610  Construction       tools    28      0  72168025
8  0.752378  Construction       tools    28      0  72168025
9  0.056715  Construction       tools    28      0  72168025

---

编辑：尽管这种方法是可行的，但有比使用

apply

更快的方法-请参阅。

您之所以得到这个结果，是因为您从项目列创建了一个新的数据框。实际上，您要做的是向现有数据帧添加新列：

import pandas as pd
data = [('Construction',[28,0,7216825], 'tools')]
labels = ['category', 'item', 'subcategory']
df = pd.DataFrame.from_records(data, columns=labels)

#Adding the new columns based on the split
df[['name','price', 'view']] = pd.DataFrame(df.item.tolist())
#dropping the unneeded item column
df.drop('item', axis=1, inplace=True )

---

之所以得到这个结果，是因为您从item列创建了一个新的dataframe。实际上，您要做的是向现有数据帧添加新列：

import pandas as pd
data = [('Construction',[28,0,7216825], 'tools')]
labels = ['category', 'item', 'subcategory']
df = pd.DataFrame.from_records(data, columns=labels)

#Adding the new columns based on the split
df[['name','price', 'view']] = pd.DataFrame(df.item.tolist())
#dropping the unneeded item column
df.drop('item', axis=1, inplace=True )

+ 加入从列表列表构造的数据帧：

df = df.join(pd.DataFrame(df.pop('item').values.tolist()).add_prefix('item'))

例子 + 加入从列表列表构造的数据帧：

df = df.join(pd.DataFrame(df.pop('item').values.tolist()).add_prefix('item'))

例子