Python Pandas从众多列表中创建独特的数据框

Question

嗨，我想创建一个数据帧，在每个列中存储一个唯一变量及其平均值。目前，我有一个包含2列的数据框。一个具有名称列表，而另一个具有单个值。我想将该值与列表中的所有名称相关联，并最终找到所有名称的平均值。这是我拥有的数据：Df1:names_col                    cost_col[milk, eggs, cookies]          3[water, milk, yogurt]          5 [cookies, diaper, yogurt]      7这就是我要的：Df2:names_col             avg_cost_colmilk                       4eggs                       3cookies                    5water                      5yogurt                     6diaper                     7我考虑过以某种方式对所有行进行套用，或使用set（）从每个列表中删除重复项，但我不确定。任何帮助将不胜感激

Answer 1

关于矢量化解决方案的建议

ndf = pd.DataFrame({'a':np.repeat(df.cost_col.values, df.names_col.str.len()),

                    'b':np.concatenate(df.names_col.values)})

产量

    a   b

0   3   milk

1   3   eggs

2   3   cookies

3   5   water

4   5   milk

5   5   yogurt

6   7   cookies

7   7   diaper

8   7   yogurt

然后就是普通groupy+mean

ndf.groupby('b').mean()

        a

b   

cookies 5

diaper  7

eggs    3

milk    4

water   5

yogurt  6

Answer 2

IIUC将您的列表弄平（嵌套）

pd.DataFrame(data=df.cost_col.repeat(df.names_col.str.len()).values,index=np.concatenate(df.names_col.values)).mean(level=0)

Out[221]: 

         0

milk     4

eggs     3

cookies  5

water    5

yogurt   6

diaper   7

Answer 3

Set（）是删除重复项的最简单答案。

* list_name表示法用于扩展/解压缩列表。

l = [["milk", "eggs", "cookies"], 

    ["water", "milk", "yogurt"], 

    ["cookies", "diaper", "yogurt"]]

c = set([*l[0], *l[1], *l[2]])

{'cookies', 'eggs', 'diaper', 'yogurt', 'water', 'milk'}

并将其用作您的熊猫列名称。您可以根据需要使用list（）将其转换回列表