从列表中添加数据框中的列

94

我有一些像这样的数据框：

A中值的可能范围仅为0到7。

另外，我有一个8个元素的列表，如下所示：

List=[2,5,6,8,12,16,26,32]  //There are only 8 elements in this list

如果A列中的元素是n，我需要将List中的第n个元素插入新列，例如'D'。

如何一口气做到这一点而又不遍历整个数据框？

产生的数据框如下所示：

A   B   C   D
0           2
4           12
5           16
6           26
7           32
7           32
6           26
5           16

注意：数据框很大，迭代是最后一个选项。但是如果需要的话，我也可以将其他元素（例如dict）布置在“列表”中的元素中。

python pandas dataframe

— 鬃毛
source

1

我认为您需要一个（较小的）玩具示例，并获得预期的结果。听起来有点模糊。

— 安迪·海登

11

永远不要将变量称为“列表”。任何语言。

— lucid_dreamer

50

IIUC，如果将您（不幸的是命名为）List制成ndarray，则可以简单地自然地对其进行索引。

>>> import numpy as np
>>> m = np.arange(16)*10
>>> m[df.A]
array([  0,  40,  50,  60, 150, 150, 140, 130])
>>> df["D"] = m[df.A]
>>> df
    A   B   C    D
0   0 NaN NaN    0
1   4 NaN NaN   40
2   5 NaN NaN   50
3   6 NaN NaN   60
4  15 NaN NaN  150
5  15 NaN NaN  150
6  14 NaN NaN  140
7  13 NaN NaN  130

在这里，我建立了一个新的m，但是如果您使用的话m = np.asarray(List)，同样的事情也应该起作用：in中的值df.A将挑选出适当的元素m。

请注意，如果您使用的是旧版本的numpy，则可能不得不改用-m[df.A.values]过去，numpy与他人的配合不佳，并且进行某些重构会pandas引起一些麻烦。现在情况有所改善。

— 帝斯曼
source

嗨，@ DSM。我明白了您的意思，但出现了此错误： Traceback (most recent call last): File "./b.py", line 24, in <module> d["D"] = m[d.A] IndexError: unsupported iterator index

— 鬃毛2014年

1

@mane：urf，那是一个老numpy错误。d["D"] = m[d.A.values]对你有用吗？

— DSM

277

只需直接分配列表即可：

df['new_col'] = mylist

替代
转换列表中的一系列或数组，然后分配：

se = pd.Series(mylist)
df['new_col'] = se.values

要么

df['new_col'] = np.array(mylist)

— 麻雀
source

3

pykernel_launcher.py:1: SettingWithCopyWarning:  A value is trying to be set on a copy of a slice from a DataFrame. Try using .loc[row_indexer,col_indexer] = value instead  See the caveats in the documentation: http://pandas.pydata.org/pandas-docs/stable/indexing.html#indexing-view-versus-copy   """Entry point for launching an IPython kernel.

— 伊利亚·鲁辛

@sparrow会使用dtypepd.Series效果吗？我的意思是，它会将浮点数保留为浮点数，将字符串保留为字符串吗？还是列表中的元素默认为字符串？

— 3kstc

2

@IlyaRusin，这是一个误报，在这种情况下可以忽略。有关更多信息：stackoverflow.com/questions/20625582/…–

— 麻雀

1

可以简化为：df ['new_col'] = pd.Series（mylist）.values

— smartse

15

一种改进@sparrow的解决方案。

令df为数据集和mylist与您要添加到数据框的值列表。

假设您想简单地调用新列， new_column

首先将列表分成系列：

column_values = pd.Series(mylist)

然后使用插入功能添加列。此功能的优点是让您选择要将列放置在哪个位置。在下面的示例中，我们将新列定位在左侧的第一个位置（通过设置loc = 0）

df.insert(loc=0, column='new_column', value=column_values)

— 萨尔瓦多·科森蒂诺
source

如果您将df的索引更改为1,2,3以外的其他值，则此方法将不起作用...在这种情况下，您必须在两行之间添加：column_values.index = df.index

— Guy的

8

首先，让我们创建您拥有的数据框，因为列B和C不相关，所以我将忽略它们。

df = pd.DataFrame({'A': [0, 4, 5, 6, 7, 7, 6,5]})

以及您想要的映射：

mapping = dict(enumerate([2,5,6,8,12,16,26,32]))

df['D'] = df['A'].map(mapping)

做完了！

print df

输出：

— 菲尔·库珀
source

1

我认为OP已经知道如何执行此操作。通过我的阅读，问题是D由Aand元素构成的List（“如果A列中的元素为n，则需要在新列中将List中的第n个元素插入新列，例如'D'。”）

— DSM

SO已经变成某种F（*＆保姆状态。感谢@DSM的评论，但是直到同行评审之后，我才能纠正该帖子。然后它被拒绝了，因为它太快了。能够对我自己的编辑进行同行评审，然后为时已晚，因为“可接受的”答案（IMHO）太差了，所以真的得到了一些元老保姆，他们的帮助不足!!!!

— Phil Cooper

好吧，我不能说保姆，但是您会发现您的方法在长数组上的速度要慢一个数量级。当然，在其他方面，在np.array(List)[df.A]和之间进行选择df["A"].map(dict(enumerate(List)))主要是偏好问题。

— DSM

嗨，菲尔，我只看到您的解决方案和DSM的评论，然后再也没有回过头来，因为DSM的解决方案对我来说很好。但是现在查看您的解决方案，它也可以工作。我已经在大约200k条目的数据集上运行了DSM的解决方案，它与其他所有计算一起在几秒钟内即可运行。我对python-pandas完全陌生，个人并不在寻找任何优雅或出色的东西。任何可行的都很好。但老实说，感谢您的解决方案。

— 2014年

1

旧问题；但我总是尝试使用最快的代码！

我有一个庞大的列表，其中包含6900万个uint64。np.array（）对我来说最快。

df['hashes'] = hashes
Time spent: 17.034842014312744

df['hashes'] = pd.Series(hashes).values
Time spent: 17.141014337539673

df['key'] = np.array(hashes)
Time spent: 10.724546194076538

— 梅迪
source