转换熊猫系列到数据框架

我有一个熊猫系列 sf:

email
email1@email.com    [1.0, 0.0, 0.0]
email2@email.com    [2.0, 0.0, 0.0]
email3@email.com    [1.0, 0.0, 0.0]
email4@email.com    [4.0, 0.0, 0.0]
email5@email.com    [1.0, 0.0, 3.0]
email6@email.com    [1.0, 5.0, 0.0]

我想把它转换成下面的 DataFrame:

index | email             | list
_____________________________________________
0     | email1@email.com  | [1.0, 0.0, 0.0]
1     | email2@email.com  | [2.0, 0.0, 0.0]
2     | email3@email.com  | [1.0, 0.0, 0.0]
3     | email4@email.com  | [4.0, 0.0, 0.0]
4     | email5@email.com  | [1.0, 0.0, 3.0]
5     | email6@email.com  | [1.0, 5.0, 0.0]

我找到了一种方法，但我怀疑它是否更有效:

df1 = pd.DataFrame(data=sf.index, columns=['email'])
df2 = pd.DataFrame(data=sf.values, columns=['list'])
df = pd.merge(df1, df2, left_index=True, right_index=True)
397666 次浏览
小开
最佳答案

不需要创建2个临时 dfs，只需要使用 DataFrame 构造函数将它们作为参数传递到 dict 中:

pd.DataFrame({'email':sf.index, 'list':sf.values})

构造 df 的方法有很多，请参阅 医生

小开

To _ frame () :

从以下系列开始，df:

email
email1@email.com    A
email2@email.com    B
email3@email.com    C
dtype: int64

我使用 相框将该系列转换为 DataFrame:

df = df.to_frame().reset_index()


email               0
0   email1@email.com    A
1   email2@email.com    B
2   email3@email.com    C
3   email4@email.com    D

现在您只需要重命名列名并命名索引列:

df = df.rename(columns= {0: 'list'})
df.index.name = 'index'

数据框架已准备好进行进一步分析。

更新: 我刚刚发现 这个链接的答案与我的惊人的相似。

小开

一行回答是

myseries.to_frame(name='my_column_name')

或者

myseries.reset_index(drop=True, inplace=True)  # As needed
小开

带有 name参数的 Series.reset_index

通常会出现需要将 Series 提升到 DataFrame 的用例。但是如果系列没有名字那么 reset_index就会导致,

s = pd.Series([1, 2, 3], index=['a', 'b', 'c']).rename_axis('A')
s


A
a    1
b    2
c    3
dtype: int64


s.reset_index()


A  0
0  a  1
1  b  2
2  c  3

您可以看到列名为“0”。我们可以通过指定 name参数来修复这个问题。

s.reset_index(name='B')


A  B
0  a  1
1  b  2
2  c  3


s.reset_index(name='list')


A  list
0  a     1
1  b     2
2  c     3

Series.to_frame

如果希望在不将索引提升为列的情况下创建 DataFrame，请按照 这个答案中的建议使用 Series.to_frame。这个 还有支持 name 参数。

s.to_frame(name='B')


B
A
a  1
b  2
c  3

构造函数

您还可以通过指定 columns参数来完成与 Series.to_frame相同的工作:

pd.DataFrame(s, columns=['B'])


B
A
a  1
b  2
c  3
小开

可以使用 Series.to_frame 将 Series转换为 DataFrame。

# The provided name (columnName) will substitute the series name
df = series.to_frame('columnName')

比如说,

s = pd.Series(["a", "b", "c"], name="vals")
df = s.to_frame('newCol')
print(df)


newCol
0    a
1    b
2    c
小开

这可能是一种非 Python 的方法，但是这会给出你想要的一行结果:

new_df = pd.DataFrame(zip(email,list))

结果:

               email               list
0   email1@email.com    [1.0, 0.0, 0.0]
1   email2@email.com    [2.0, 0.0, 0.0]
2   email3@email.com    [1.0, 0.0, 0.0]
3   email4@email.com    [4.0, 0.0, 3.0]
4   email5@email.com    [1.0, 5.0, 0.0]
小开

超级简单的方法也是

df = pd.DataFrame(series)

它将返回1列(系列值) + 1索引(0... . n)的 DF


提交答案