访问包含列表的 Pandas DataFrame 列的每个第一个元素答案

【问题标题】：Accessing every 1st element of Pandas DataFrame column containing lists访问包含列表的 Pandas DataFrame 列的每个第一个元素
【发布时间】：2016-05-09 20:47:57
【问题描述】：

我有一个 Pandas DataFrame，其中有一列包含列表对象

      A
0   [1,2]
1   [3,4]
2   [8,9] 
3   [2,6]

如何访问每个列表的第一个元素并将其保存到 DataFrame 的新列中？要得到这样的结果：

      A     new_col
0   [1,2]      1
1   [3,4]      3
2   [8,9]      8
3   [2,6]      2

我知道这可以通过遍历每一行来完成，但是有没有“pythonic”的方式？

【问题讨论】：

标签： python pandas dataframe

【解决方案1】：

与往常一样，请记住，在帧中存储非标量对象通常是不受欢迎的，实际上应该仅用作临时中间步骤。

也就是说，您可以使用 .str 访问器，即使它不是字符串列：

>>> df = pd.DataFrame({"A": [[1,2],[3,4],[8,9],[2,6]]})
>>> df["new_col"] = df["A"].str[0]
>>> df
        A  new_col
0  [1, 2]        1
1  [3, 4]        3
2  [8, 9]        8
3  [2, 6]        2
>>> df["new_col"]
0    1
1    3
2    8
3    2
Name: new_col, dtype: int64

【讨论】：

这实际上只是暂时的，因为我在这些列中的字符串上使用了 '.split()'。感谢您的快速帮助！
我坚持这是最优雅的解决方案，但在长度为 500 万的系列中，每个元素只是一个包含 2 个元素的列表，.str[idx] 方法需要 3.31 秒，而 .apply(lambda x: x[idx]) 耗时 1.43 秒
这可能比通过 .apply() 慢，但它可以优雅地处理 NaN 值（即，它将 NaN 保留为 NaN 而不会引发错误）。

【解决方案2】：

您可以使用map 和lambda 函数

df.loc[:, 'new_col'] = df.A.map(lambda x: x[0])

【讨论】：

在我的情况下，代码在您的解决方案中运行时间最短。感谢您的帮助！
但如果您需要它来处理 NaN 值，请参阅 DSM 的回复。

【解决方案3】：

将apply 与x[0] 一起使用：

df['new_col'] = df.A.apply(lambda x: x[0])
print df
        A  new_col
0  [1, 2]        1
1  [3, 4]        3
2  [8, 9]        8
3  [2, 6]        2

【讨论】：

【解决方案4】：

您可以只使用条件列表推导式，它采用任何可迭代的第一个值，或者对该项目使用 None 。列表推导非常 Pythonic。

df['new_col'] = [val[0] if hasattr(val, '__iter__') else None for val in df["A"]]

>>> df
        A  new_col
0  [1, 2]        1
1  [3, 4]        3
2  [8, 9]        8
3  [2, 6]        2

时间

df = pd.concat([df] * 10000)

%timeit df['new_col'] = [val[0] if hasattr(val, '__iter__') else None for val in df["A"]]
100 loops, best of 3: 13.2 ms per loop

%timeit df["new_col"] = df["A"].str[0]
100 loops, best of 3: 15.3 ms per loop

%timeit df['new_col'] = df.A.apply(lambda x: x[0])
100 loops, best of 3: 12.1 ms per loop

%timeit df.A.map(lambda x: x[0])
100 loops, best of 3: 11.1 ms per loop

删除确保可交互性的安全检查。

%timeit df['new_col'] = [val[0] for val in df["A"]]
100 loops, best of 3: 7.38 ms per loop

【讨论】：

请注意 hasattr(..., '__iter__') 不是一个神奇的列表标识符，它也适用于字符串，例如hasattr('hello', '__iter__') 返回True，这可能不是你想要的。

【解决方案5】：

可以使用str.get的方法：

df['A'].str.get(0)

【讨论】：