将熊猫列拆分为两列并保留原来的列在P中

Question

我有一个数据帧，我需要把它分成两列，保持原来的列不变。在

import pandas as pd
df = {'assigned_to': [
{'display_value': 'Michael', 'link': 'http://www.testlink.com'},
{'display_value': 'Vinod', 'link': 'http://www.testlink.com'},
{'display_value': 'Vinod', 'link': 'http://www.testlink.com'},
{'display_value': 'Carrie', 'link': 'http://www.testlink.com'},
{'display_value': 'Carrie', 'link': 'http://www.testlink.com'}]}
df = pd.DataFrame(df)

目前我正在尝试使用
df['assigned_to.display_value'] = df['assigned_to'].str.split(',', expand=True)

但是assigned_to.display_value正以它的种群数量出现{}。在

我的预期结果是

^{pr2}$

Answer 1

使用tolist将列转换为dict列表，通过调用构造函数创建一个新的dataframe。在

v = pd.DataFrame(df.assigned_to.tolist())
v

  display_value                     link
0       Michael  http://www.testlink.com
1         Vinod  http://www.testlink.com
2         Vinod  http://www.testlink.com
3        Carrie  http://www.testlink.com
4        Carrie  http://www.testlink.com

现在可以使用pd.concat将新列连接到原始列：

^{pr2}$

---

计时

df = pd.concat([df] * 10000)
df = df.reset_index(drop=1)

%%timeit
v = pd.DataFrame(df.assigned_to.tolist())
pd.concat([v, df], 1)

10 loops, best of 3: 58.7 ms per loop

%timeit df.assigned_to.apply(pd.Series)
1 loop, best of 3: 17.5 s per loop

Answer 2

让我们使用：

df[['Display_value','link']] = df.assigned_to.apply(pd.Series)

输出：

^{pr2}$

或者您可以使用assign并创建一个新的数据帧：

df_out = df.assign(**df.assigned_to.apply(pd.Series))
print(df_out)

输出：

                                         assigned_to display_value  \
0  {'display_value': 'Michael', 'link': 'http://w...       Michael   
1  {'display_value': 'Vinod', 'link': 'http://www...         Vinod   
2  {'display_value': 'Vinod', 'link': 'http://www...         Vinod   
3  {'display_value': 'Carrie', 'link': 'http://ww...        Carrie   
4  {'display_value': 'Carrie', 'link': 'http://ww...        Carrie   

                      link  
0  http://www.testlink.com  
1  http://www.testlink.com  
2  http://www.testlink.com  
3  http://www.testlink.com  
4  http://www.testlink.com