Python 访问包含列表的DataFrame列的每个第一个元素

我有一个包含列表对象的列的数据框

      A
0   [1,2]
1   [3,4]
2   [8,9] 
3   [2,6]

如何访问每个列表的第一个元素并将其保存到DataFrame的新列中？要得到这样的结果：

      A     new_col
0   [1,2]      1
1   [3,4]      3
2   [8,9]      8
3   [2,6]      2

我知道这可以通过迭代每一行来完成，但是有没有“pythonic”的方法呢

与

x[0]

一起使用：

df['new_col'] = df.A.apply(lambda x: x[0])
print df
        A  new_col
0  [1, 2]        1
1  [3, 4]        3
2  [8, 9]        8
3  [2, 6]        2

---

您可以使用

map

和

lambda

功能

df.loc[:, 'new_col'] = df.A.map(lambda x: x[0])

---

---

一如既往，请记住，在帧中存储非标量对象通常是不受欢迎的，实际上只应作为临时中间步骤使用

也就是说，您可以使用

.str

访问器，即使它不是字符串列：

>>> df = pd.DataFrame({"A": [[1,2],[3,4],[8,9],[2,6]]})
>>> df["new_col"] = df["A"].str[0]
>>> df
        A  new_col
0  [1, 2]        1
1  [3, 4]        3
2  [8, 9]        8
3  [2, 6]        2
>>> df["new_col"]
0    1
1    3
2    8
3    2
Name: new_col, dtype: int64

---

您可以只使用一个条件列表，它接受任何iterable的第一个值，或者对该项不使用任何值。列表理解是非常抽象的

df['new_col'] = [val[0] if hasattr(val, '__iter__') else None for val in df["A"]]

>>> df
        A  new_col
0  [1, 2]        1
1  [3, 4]        3
2  [8, 9]        8
3  [2, 6]        2

计时

df = pd.concat([df] * 10000)

%timeit df['new_col'] = [val[0] if hasattr(val, '__iter__') else None for val in df["A"]]
100 loops, best of 3: 13.2 ms per loop

%timeit df["new_col"] = df["A"].str[0]
100 loops, best of 3: 15.3 ms per loop

%timeit df['new_col'] = df.A.apply(lambda x: x[0])
100 loops, best of 3: 12.1 ms per loop

%timeit df.A.map(lambda x: x[0])
100 loops, best of 3: 11.1 ms per loop

移除安全检查，确保可重复操作

%timeit df['new_col'] = [val[0] for val in df["A"]]
100 loops, best of 3: 7.38 ms per loop

---

这实际上只是暂时的，因为我对这些列中的字符串使用了“.split（）”。谢谢你的快速帮助！我认为这是最优雅的解决方案，但对于长度为500万的系列，其中每个元素都只有一个包含2个元素的列表，.str[idx]方法耗时3.31秒，.apply（lambda x:x[idx]）耗时1.43秒。这可能比via.apply（）慢，但它处理NaN值的速度非常优雅（也就是说，它将NaN保留为NaN而不抛出错误）。在myy的情况下，代码的运行时间与您的解决方案最短。感谢您的帮助！但是如果您需要它来处理NaN值，还可以进一步查看DSM的回复。请注意

hasattr（…，“u iter_u_u”）

不是一个神奇的列表标识符，它也适用于字符串，例如

hasattr（'hello'，'iter'）

返回

True

，这可能不是您想要的。