轉換大熊貓一系列列表到數據幀

Question

我已經列出

import pandas as pd 
s = pd.Series([[1, 2, 3], [4, 5, 6]]) 

的系列，我想與每一列數據框的列表。

沒有from_items,from_records,DataFrameSeries.to_frame似乎工作。

如何做到這一點？

Answer 1

您可以使用from_items像這樣（假設你的列表是相同的長度）：

pd.DataFrame.from_items(zip(s.index, s.values)) 

    0 1 
0 1 4 
1 2 5 
2 3 6 

或

pd.DataFrame.from_items(zip(s.index, s.values)).T 

    0 1 2 
0 1 2 3 
1 4 5 6 

取決於您所需的輸出。

這可以是比使用apply（如在@Wen's answer使用，然而，也還針對不同長度的列表工作）快得多：

%timeit pd.DataFrame.from_items(zip(s.index, s.values)) 
1000 loops, best of 3: 669 µs per loop 

%timeit s.apply(lambda x:pd.Series(x)).T 
1000 loops, best of 3: 1.37 ms per loop 

和

%timeit pd.DataFrame.from_items(zip(s.index, s.values)).T 
1000 loops, best of 3: 919 µs per loop 

%timeit s.apply(lambda x:pd.Series(x)) 
1000 loops, best of 3: 1.26 ms per loop 

另外@Hatshepsut's answer被相當快（也適用於不同長度的列表）：

%timeit pd.DataFrame(item for item in s) 
1000 loops, best of 3: 636 µs per loop 

和

%timeit pd.DataFrame(item for item in s).T 
1000 loops, best of 3: 884 µs per loop 

最快溶液似乎是@Abdou's answer（對於Python 2測試;也適用於不同長度的列表;在Python 3.6+）使用itertools.zip_longest：

%timeit pd.DataFrame.from_records(izip_longest(*s.values)) 
1000 loops, best of 3: 529 µs per loop 

一個附加選項：

pd.DataFrame(dict(zip(s.index, s.values))) 

    0 1 
0 1 4 
1 2 5 
2 3 6 

Answer 2

您可以通過一系列這樣的尋找

s.apply(lambda x:pd.Series(x)) 
    0 1 2 
0 1 2 3 
1 4 5 6 

或者

s.apply(lambda x:pd.Series(x)).T 

Out[133]: 
    0 1 
0 1 4 
1 2 5 
2 3 6 

Answer 3

迭代：

series = pd.Series([[1, 2, 3], [4, 5, 6]]) 
pd.DataFrame(item for item in series) 

    0 1 2 
0 1 2 3 
1 4 5 6 

Answer 4

pd.DataFrame.from_records應該也使用itertools.zip_longest：

from itertools import zip_longest 

pd.DataFrame.from_records(zip_longest(*s.values)) 

# 0 1 
# 0 1 4 
# 1 2 5 
# 2 3 6 

Answer 5

如果序列的長度是超高（超過1m），你可以使用：

s = pd.Series([[1, 2, 3], [4, 5, 6]]) 
pd.DataFrame(s.tolist())