TypeError：只能将列表（不是“str”）连接到列表 - 熊猫数据框

Question

我知道已经发布了一个类似的问题，我已经用尽了所有这些问题。我有一个包含以下字段的数据框：

import pandas as pd

df = pd.DataFrame([[0, 1021, 0.00, ["C2"]],
    [1, 1023, 0.00, ["C2"]],
    [2, 1024, 2.00, ["C1", "C4"]]],
    columns=["index", "id", "revenue", "campaign"])

print(df)

导致

   index    id  revenue  campaign
0      0  1021      0.0      [C2]
1      1  1023      0.0      [C2]
2      2  1024      2.0  [C1, C4]

我只想创建一个新列“路径”：如果收入为 0，则路径结束为 Null，如果收入>0，则为收入。路径的开始是“开始”

  index  id    revenue campaign       path
   0    1021    0.00    [C2]       ['Start', 'C2', 'Null']
   1    1023    0.00    [C2]       ['Start', 'C2', 'Null']
   2    1024    2.00    [C1, C4]   ['Start', 'C1', 'C4', 'Revenue']

如果我在下面做一些事情，它会起作用..但我有十亿行要处理，所以看起来效率不高。

for i in range(0,len(df)):
    if(df['revenue'][i] == 0):
        df['path'][i] = ['Start'] + df['campaign'][i] + ['Null']
    else:
        df['path'][i] = ['Start'] + df['campaign'][i] + ['revenue']

但是，如果我在这样的列级别工作，它有时会起作用，但有时会因为我只能将列表连接到列表的错误而中断。

df['path'] = np.where(
   df['revenue'] == 0,
    ['Start'] + df['campaign'] + ['Null'],
    ['Start'] + df['campaign'] + ['revenue'])

有人可以帮我解决这个问题吗？我将不胜感激。

Answer 1

可以使用python的.extend列表方法和pd.Series.tolist：

list1.extend(list2.tolist().extend(list3))

所以：

df['path'] = np.where(
   df['revenue'] == 0,
    ['Start'].extend(df['campaign'].tolist().extend(['Null'])),
    ['Start'].extend(df['campaign'].tolist().extend(['revenue']))
)

Answer 2

看起来您的列campaign 是混合类型：在示例中，您显示的值是列表，但从错误看来，您的数据框中的某处可能有一个字符串，可能还有其他类型.这就是“列表添加”不起作用的原因，因为它希望将列表添加为 [list1] + [list2] + [list3]，但在某些特定行中，df["campaign"] 实际上计算为字符串。

解决此问题的一种方法是首先尝试确保列 (pd.Series) 是同质类型。我会做以下事情：

def to_list(item):
    """Maps anything that is not a list to a list"""
    return item if isinstance(item, list) else [item]

df["campaign"]= df["campaign"].apply(to_list)

编辑：

我最初建议您应该继续使用np.where()，但我不确定它是否会起作用。在documentation 的示例中，我们只看到现有变量的数值转换。而且当使用虚拟数据进行尝试时，它也不起作用。

如果编写一个简短的函数并将数据帧映射到它，我会改为（在将所有内容转换为列表之后）。

def concat_cols(row):
    if row["revenue"] == 0:
        return ['Start'] + row['campaign'] + ['Null']
    else:
        return ['Start'] + row['campaign'] + ['Revenue']

df.apply(concat_cols, axis=1)

这不一定更快（甚至 different than 循环遍历数据框，因此您可能需要尝试使用较小的样本。