pandas将Series转成DataFrame的实现

目录

• 1.Series结构
• 2.将Series转成DataFrame
• 2.1 使用字典的方式转化
• 2.2 使用reset_index方法
• 3.apply，applymap, map

1.Series结构

pandas中，我们使用最多的两个数据结构，分别为Series与DataFrame。

Series跟一维数组比较像，可以认为是dataframe中的"一列"。与一维数组不同的是，除了数组数据以外，他还有一组与数组数据对应的标签索引。

2.将Series转成DataFrame

2.1 使用字典的方式转化

import pandas as pd

department = ['A', 'A', 'A', 'B', 'B', 'B', 'C', 'C']
group = ['g1', 'g1', 'g2', 'g3', 'g3', 'g4', 'g5', 'g5']
data = pd.DataFrame({'department': department, 'group': group})

d2 = data.groupby('department')['group'].apply(lambda x: ",".join(x))
print("d2 is: ", '\n', d2, "\nd2 type is: 编程", type(d2), '\n')
d2 = pd.DataFrame({'department': d2.index, 'group': d2.values})
print("after change, d2 is: ", '\n', d2, '\nd2 type is: ', type(d2), '\n')

上面的代码中，data进行groupby操作以后取group列，得到的就是一个Series结构。

d2 is:  
 department
A    g1,g1,g2
B    g3,g3,g4
C       g5,g5
Name: group, dtype: object 
d2 type is:  <class 'pandas.core.series.Series'> 

该Series的index是department列，department列的值为A,B,C。具体的值为group，上面的逻辑是将相同department的group值进行聚合。

我们想将其转成一个dataframe，可以使用字典的方式，直接创建一个新的dataframe。d2.index表示Series的索引，d2.values表示Series的数据。

after change, d2 is:  
   department     group
0          A  g1,g1,g2
1          B  g3,g3,g4
2          C     g5,g5 
d2 type is:  <class 'pandas.core.frame.DataFrame'> 

2.2 使用reset_index方法

还可以使用reset_index的方式，来将Series转化为dataframe。

d3 = data.groupby('department')['group'].apply(lambda x: ','.join(x))
d3 = d3.res开发者_Go培训et_index(name='group')
d3['group'] = d3['group'].map(lambda x: ','.join(sorted(list(set(x.split(','))))))
print(d3)

上面的代码也将Series转换成了一个dataframe，与前面稍微有所区别的在于，对group还进行了去重排序操作。

最后输出的结果为

  department  group

0          A  g1,g2

1          B  g3,g4

2          C     g5

3.apply，applymap, map

import pandas as pd

a = [1, 2, 3, 4, 5]
b = [10, 20, 30, 40, 50]
c = [0.1, 0.2, 0.3, 0.4, 0.5]

data = pd.DataFrame({'a': a, 'b': b, 'c': c})
print(data.apply(max), '\n')
print(data.a.apply(lambda x: x * 2), '\n')

print(data.applymap(lambda x: x+0.01), '\n')

print(data.a.map(lambda x: x+0.02))

a   5.0
b  50.js0
c   0.5
dtype: float64

0   2
1   4
2   6
3   8
4  10
Name: a, dtype: int64

   a   b   c
0 1.01 10.01 0.11
1 2.01 20.01 0.21
2 3.01 30.01 0.31
3 4.01 40.01 0.41
4 5.01 50.01 0.51

0  1.02
1  2.02
2  3.02
3  4.02
4  5.02
Name: a, dtype: float64

apply可以用于Series，也可以用于DataFrame，可以对一列或多列android进行操tJKoDJi作。

applymap只能作用于dataframe，是对dataframe的每一个元素进行操作。

map只能作用于Series，其对Serie编程s中每个元素起作用。

到此这篇关于pandas将Series转成DataFrame的实现的文章就介绍到这了,更多相关pandas Series转成DataFrame内容请搜索我们以前的文章或继续浏览下面的相关文章希望大家以后多多支持我们！