我有一个看起来像这样的Pandas Dataframe:
user items
1 ["product1", "product2", "product3"]
2 ["product5", "product7", "product2"]
3 ["product1", "product4", "product5"]
我有200万用户,每个用户都有100种产品的列表。我需要这样转换我的数据框:
user item_1 item_2 item_3
1 "product1" "product2" "product3"
2 "product5" "product7" "product2"
3 "product1" "product4" "product5"
有没有人有一个“ pythonic”的快速方法呢?我不想经历循环,这需要太多时间。
谢谢
您可以使用df['items'].values.tolist()
和进行重构join
。
我走了这个方向,因为它比快apply
。
考虑到您的数据量很大,您将需要它。
df.drop('items', 1).join(
pd.DataFrame(df['items'].values.tolist(), df.index).rename(
columns=lambda x: 'item_{}'.format(x + 1)
)
)
user item_1 item_2 item_3
0 1 product1 product2 product3
1 2 product5 product7 product2
2 3 product1 product4 product5
我们可以为此节省一点时间
items_array = np.array(df['items'].values.tolist())
cols = np.core.defchararray.add(
'item_', np.arange(1, items_array.shape[1] + 1).astype(str)
)
pd.DataFrame(
np.column_stack([df['user'].values, items_array]),
columns=np.append('user', cols)
)
定时
%timeit df[['user']].join(df['items'].apply(pd.Series).add_prefix('item_'))
%timeit df.drop('items', 1).join(pd.DataFrame(df['items'].values.tolist(), df.index).rename(columns=lambda x: 'item_{}'.format(x + 1)))
1000 loops, best of 3: 1.8 ms per loop
1000 loops, best of 3: 1.34 ms per loop
%%timeit
items_array = np.array(df['items'].values.tolist())
cols = np.core.defchararray.add(
'item_', np.arange(1, items_array.shape[1] + 1).astype(str)
)
pd.DataFrame(
np.column_stack([df['user'].values, items_array]),
columns=np.append('user', cols)
)
10000 loops, best of 3: 188 µs per loop
大数据
n = 20000
items = ['A%s' % i for i in range(1000)]
df = pd.DataFrame(dict(
user=np.arange(n),
items=np.random.choice(items, (n, 100)).tolist()
))
%timeit df[['user']].join(df['items'].apply(pd.Series).add_prefix('item_'))
%timeit df.drop('items', 1).join(pd.DataFrame(df['items'].values.tolist(), df.index).rename(columns=lambda x: 'item_{}'.format(x + 1)))
1 loop, best of 3: 3.22 s per loop
1 loop, best of 3: 492 ms per loop
%%timeit
items_array = np.array(df['items'].values.tolist())
cols = np.core.defchararray.add(
'item_', np.arange(1, items_array.shape[1] + 1).astype(str)
)
pd.DataFrame(
np.column_stack([df['user'].values, items_array]),
columns=np.append('user', cols)
)
1 loop, best of 3: 389 ms per loop
本文收集自互联网,转载请注明来源。
如有侵权,请联系 [email protected] 删除。
我来说两句