构建数据帧时避免循环

Question

我有一个带有三列的初始数据帧，其中一列包含字符串列表。我们的目标是将每一行拆分为obj列中的元素数，例如：

from    to      obj
--------------------
abc     xyz     [foo, bar]
def     uvw     [gee]
ghi     rst     [foo, bar, baz]

变成这样：

from    to      obj
--------------------
abc     xyz     foo
abc     xyz     bar
def     uvw     gee
ghi     rst     foo
ghi     rst     bar
ghi     rst     baz

目前我是这样做的：

transformed = pd.DataFrame(columns=['from', 'to', 'obj'])

for index, row in origin.iterrows():
    for obj in row['obj']:
        transformed = transformed.append(pd.Series({
            'from':     row['from'],
            'to':       row['to'],
            'obj':      obj
        }), ignore_index=True)

这个效果很好，只是速度慢得很。如果origin有100000个元素，那么计算transformed可能需要一个小时。你知道吗

有没有一种矢量化的方法来获得相同的结果，而不必求助于Python循环？你知道吗

Answer 1

本质上，您是根据您的列重复或链接值。你知道吗

因此，您可以根据需要使用^{}和^{}。该解决方案对于少量列是有效的，如您的示例所示。你知道吗

import numpy as np
from itertools import chain

# set up dataframe
df = pd.DataFrame({'from': ['abc', 'def', 'gfhi'],
                   'to': ['xyz', 'uvw', 'rst'],
                   'obj': [['foo', 'bar'], ['gee'], ['foo', 'bar', 'baz']]})

# calculate length of each list in obj
lens = df['obj'].map(len)

# calculate result, repeating or chaining as appropriate
res = pd.DataFrame({'from': np.repeat(df['from'], lens),
                    'to': np.repeat(df['to'], lens),
                    'obj': list(chain.from_iterable(df['obj']))})

print(res)

   from   to  obj
0   abc  xyz  foo
0   abc  xyz  bar
1   def  uvw  gee
2  gfhi  rst  foo
2  gfhi  rst  bar
2  gfhi  rst  baz