dataframe一列转化一个字符串_pandas dataframe列有带逗号的字符串如何将其转换为lis...

考虑数据帧df，其中随机数目的字符串由逗号分隔。在np.random.seed([3,1415])

k = 10

df = pd.DataFrame(

np.random.choice(list('ABCD,'), (k, 20))

).sum(1).str.strip(',').str.replace(',+', ',').to_frame('col1')

df

col1

0 ADCDCCDCDACAA,ACCA,B

1 DC,DDD,DBDA,CCAC

2 A,B,CCAC,DB,C,CD,D

3 ADDBAA,DA,BD,C,AACA

4 DADBB,D,DBD,ADCAADB

5 CBCBA,CA,B,AA,CDCBDB

6 BD,D,DDB,AC,B,C,ABBA

7 C,CABBBADCD,DBCC,ACD

8 CC,A,BCAAAACBBA,BD

9 AC,A,ADBBD,BDCCDDABD

我喜欢使用numpy的功能进行拆分

^{pr2}$

小数据快速%timeit df.assign(col1=np.core.defchararray.split(df.col1.values.astype(str), ','))

1000 loops, best of 3: 204 µs per loop

%timeit df.assign(col1=df['col1'].str.split(','))

1000 loops, best of 3: 327 µs per loop

%timeit df.assign(col1=[x.split(',') for x in df['col1'].values.tolist()])

1000 loops, best of 3: 210 µs per loop

对于大数据不如np.random.seed([3,1415])

k = 10000

df = pd.DataFrame(

np.random.choice(list('ABCD,'), (k, 100))

).sum(1).str.strip(',').str.replace(',+', ',').to_frame('col1')

%timeit df.assign(col1=np.core.defchararray.split(df.col1.values.astype(str), ','))

10 loops, best of 3: 19.6 ms per loop

%timeit df.assign(col1=df['col1'].str.split(','))

100 loops, best of 3: 13.5 ms per loop

%timeit df.assign(col1=[x.split(',') for x in df['col1'].values.tolist()])

100 loops, best of 3: 11.5 ms per loop