将pandas数据框转换为列表

Question

I have a pandas dataframe:

apple   banana  carrot  diet coke
1         1       1         0
0         1       0         0
1         0       0         0
1         0       1         1
0         1       1         0
0         1       1         0

我想将它转换为以下内容：

[['apple', 'banana', 'carrot'],
 ['banana'],
 ['apple'],
 ['apple', 'carrot', 'diet coke'],
 ['banana', 'carrot'],
 ['banana', 'carrot']]

我该怎么做呢？非常感谢。

- kevin

Answer 1

因为生命短暂，我可能会做一些直接的事情，比如

>>> fruit = [df.columns[row.astype(bool)].tolist() for row in df.values]
>>> pprint.pprint(fruit)
[['apple', 'banana', 'carrot'],
 ['banana'],
 ['apple'],
 ['apple', 'carrot', 'diet coke'],
 ['banana', 'carrot'],
 ['banana', 'carrot']]

这个方法能够生效是因为我们可以使用一个布尔型数组（row.astype(bool)）来选择只有在该行为True时 df.columns 中的元素。

- DSM

---

非常好的解决方案！现在我的有点尴尬 :) - Pedro M Duarte

太好了！感谢您的回答，即使我不是原帖作者。您能否解释一下在输出列表中如何将元素（在本例中为1）替换为列名？我无法理解这个问题。 - Joe T. Boka

这是一个迷人的解决方案。 - WoodChopper

@JoeR，在这个解决方案中，row是一个numpy数组。当你执行row.astype(bool)时，你会得到类似于array([False, True, True, False], dtype=bool)的东西。这个布尔数组可以用来选择性地索引df.columns，它是一个pd.Index对象：df.columns==Index(['apple', 'banana', 'carrot', 'dietcoke'], dtype='object')。 - Pedro M Duarte

@PedroMDuarte 感谢您的评论，Pedro。我现在开始理解了。 - Joe T. Boka

Answer 2

@ DSM解决方案非常棒，但仅当您的值为1或0时才能工作。如果您需要将其与其他值进行比较，可以尝试以下方法：

[df.columns[df.ix[i,:]==1].tolist() for i in range(len(df.index))]

In [156]: [df.columns[df.ix[i,:]==1].tolist() for i in range(len(df.index))]
Out[156]:
[['apple', 'banana', 'carrot'],
 ['banana'],
 ['apple'],
 ['apple', 'carrot', 'dietcoke'],
 ['banana', 'carrot'],
 ['banana', 'carrot']]

编辑

虽然你可以仅仅修改一下 @DSM 的解决方案：

In [177]: [df.columns[row == 1].tolist() for row in df.values]
Out[177]:
[['apple', 'banana', 'carrot'],
 ['banana'],
 ['apple'],
 ['apple', 'carrot', 'dietcoke'],
 ['banana', 'carrot'],
 ['banana', 'carrot']]

一些性能测试：

In [179]: %timeit [df.columns[row == 1].tolist() for row in df.values]
The slowest run took 4.03 times longer than the fastest. This could mean that an intermediate result is being cached
1000 loops, best of 3: 212 us per loop

In [180]: %timeit [df.columns[row.astype(bool)].tolist() for row in df.values]
10000 loops, best of 3: 186 us per loop

In [181]: %timeit [df.columns[df.ix[i,:]==1].tolist() for i in range(len(df.index))]
100 loops, best of 3: 2.4 ms per loop

- Anton Protopopov

Answer 3

In [24]: import pandas as pd

In [25]: import io

In [26]: data = """                                          
apple   banana  carrot  dietcoke
1         1       1         0
0         1       0         0
1         0       0         0
1         0       1         1
0         1       1         0
0         1       1         0
"""

In [27]: df = pd.read_csv(io.StringIO(data), delimiter='\s+')

In [28]: df
Out[28]: 
   apple  banana  carrot  dietcoke
0      1       1       1         0
1      0       1       0         0
2      1       0       0         0
3      1       0       1         1
4      0       1       1         0
5      0       1       1         0

In [29]: [[df.columns[i] for i,field in enumerate(record) if field == 1] for j,*record in df.itertuples()]
Out[29]: 
[['apple', 'banana', 'carrot'],
 ['banana'],
 ['apple'],
 ['apple', 'carrot', 'dietcoke'],
 ['banana', 'carrot'],
 ['banana', 'carrot']]

以下是不使用列表推导和扩展元组解包的解决方案：

In [32]: result = []

In [33]: for record in df.itertuples():
   ....:     row = []
   ....:     for i,field in enumerate(record[1:]):
   ....:         if field == 1:
   ....:             row.append(df.columns[i])
   ....:     result.append(row)
   ....: 

In [34]: result
Out[34]: 
[['apple', 'banana', 'carrot'],
 ['banana'],
 ['apple'],
 ['apple', 'carrot', 'dietcoke'],
 ['banana', 'carrot'],
 ['banana', 'carrot']]

- Pedro M Duarte

---

文件“<ipython-input-6-565d2353b297>”，第1行 [[df.columns[i] for i,field in enumerate(record) if record[i]==1] for j,*record in df.itertuples()] ^ 语法错误：无效语法 - kevin

你正在运行哪个版本的Python？ - Pedro M Duarte

Python 2.7 非常感谢您的帮助！ - kevin

已发布。如果备选方案可行，请告诉我。 - Pedro M Duarte

嗨Pedro，使用pd.read_clipboard()从问题中复制数据框会更容易。 - WoodChopper

@WoodChopper，谢谢！我不知道pd.read_clipboard()。 - Pedro M Duarte

Answer 4

你可以像Pedro提到的那样遍历并创建，或者只需使用stack()和groupby()来列出。

df
Out[14]: 
   apple  banana  carrot  diet_coke
0      1       1       1          0
1      0       1       0          0
2      1       0       0          0
3      1       0       1          1
4      0       1       1          0
5      0       1       1          0

df.stack()
Out[15]: 
0  apple        1
   banana       1
   carrot       1
   diet_coke    0
1  apple        0
   banana       1
   carrot       0
   diet_coke    0
2  apple        1
   banana       0
   carrot       0
   diet_coke    0
3  apple        1
   banana       0
   carrot       1
   diet_coke    1
4  apple        0
   banana       1
   carrot       1
   diet_coke    0
5  apple        0
   banana       1
   carrot       1
   diet_coke    0
dtype: int64



df.stack()[df.stack().values ==1].reset_index()
Out[20]: 
    level_0    level_1  0
0         0      apple  1
1         0     banana  1
2         0     carrot  1
3         1     banana  1
4         2      apple  1
5         3      apple  1
6         3     carrot  1
7         3  diet_coke  1
8         4     banana  1
9         4     carrot  1
10        5     banana  1
11        5     carrot  1


newdf.groupby(['level_0'])['level_1'].apply(list)
Out[27]: 
level_0
0       [apple, banana, carrot]
1                      [banana]
2                       [apple]
3    [apple, carrot, diet_coke]
4              [banana, carrot]
5              [banana, carrot]
Name: level_1, dtype: object

- WoodChopper