Как преобразовать столбец в список python
Перейти к содержимому

Как преобразовать столбец в список python

  • автор:

Как преобразовать столбец в список в Python?

В Python существует несколько способов преобразовать столбец в список. В этой статье рассмотрим различные методы, которые позволяют выполнить данную задачу.

Метод 1: Преобразование столбца с помощью метода tolist()

Метод tolist() является одним из самых простых способов преобразовать столбец в список в Python. Данный метод доступен в библиотеке pandas и позволяет преобразовать столбец DataFrame или Series в список.

import pandas as pd # Создаем DataFrame data = df = pd.DataFrame(data) # Преобразуем столбец в список list_from_column = df['Столбец A'].tolist() print(list_from_column) 
[1, 2, 3, 4, 5] 

Метод 2: Преобразование столбца с помощью метода values.tolist()

Еще одним способом преобразования столбца в список является использование метода values.tolist(). Данный метод доступен как для объектов DataFrame, так и для объектов Series.

import pandas as pd # Создаем DataFrame data = df = pd.DataFrame(data) # Преобразуем столбец в список list_from_column = df['Столбец A'].values.tolist() print(list_from_column) 
[1, 2, 3, 4, 5] 

Метод 3: Преобразование столбца с помощью метода append()

Если столбец представлен в виде списка, можно использовать метод append() для добавления элементов столбца в список.

# Создаем столбец column = [1, 2, 3, 4, 5] # Создаем пустой список list_from_column = [] # Добавляем элементы столбца в список for item in column: list_from_column.append(item) print(list_from_column) 
[1, 2, 3, 4, 5] 

Метод 4: Преобразование столбца с помощью генератора списков

Генераторы списков — это компактный и эффективный способ преобразования столбца в список в Python.

# Создаем столбец column = [1, 2, 3, 4, 5] # Преобразуем столбец в список с помощью генератора списков list_from_column = [item for item in column] print(list_from_column) 
[1, 2, 3, 4, 5] 

Заключение

В этой статье мы рассмотрели четыре различных метода преобразования столбца в список в Python. Каждый из этих методов имеет свои преимущества и может быть использован в зависимости от требований и предпочтений разработчика.

Pandas: как быстро преобразовать столбец в список

Вы можете использовать один из следующих методов для преобразования столбца в pandas DataFrame в список:

Способ 1: Используйте tolist()

df['my_column']. tolist () 

Способ 2: использовать список()

list(df['my_column']) 

Оба метода вернут один и тот же результат.

В следующих примерах показано, как использовать каждый из этих методов со следующими пандами DataFrame:

import pandas as pd #create DataFrame df = pd.DataFrame() #view DataFrame print(df) team points assists 0 A 99 33 1 A 90 28 2 A 93 31 3 B 86 39 4 B 88 34 5 B 82 30 

Способ 1: преобразовать столбец в список с помощью tolist()

В следующем коде показано, как использовать функцию tolist() для преобразования столбца «точки» в DataFrame в список:

#convert column to list my_list = df['points']. tolist () #view list print(my_list) [99, 90, 93, 86, 88, 82] 

Мы можем подтвердить, что результатом является список, используя функцию type() :

#check data type type (my_list) list 

Способ 2: преобразовать столбец в список с помощью list()

В следующем коде показано, как использовать функцию list() для преобразования столбца «точки» в DataFrame в список:

#convert column to list my_list = list(df['points']) #view list print(my_list) [99, 90, 93, 86, 88, 82] 

Мы можем подтвердить, что результатом является список, используя функцию type() :

#check data type type (my_list) list 

Обратите внимание, что оба метода возвращают одинаковые результаты.

Обратите внимание, что для очень больших фреймов данных метод tolist() работает быстрее всего.

Дополнительные ресурсы

В следующих руководствах объясняется, как выполнять другие распространенные функции со столбцами кадра данных pandas:

PYTHON СТОЛБЕЦ В СПИСОК

Если вам нужно преобразовать столбец данных в Python и сохранить его в виде списка, то вы можете использовать следующий код:

my_column = [row[i] for row in my_table]

Здесь my_table — это таблица данных, а i — это индекс столбца, который вы хотите преобразовать в список. Код будет перебирать каждую строку в таблице и добавлять значение столбца в список my_column . Когда код выполняется, вы можете использовать новый список, например:

Этот код напечатает список значений из вашего столбца данных.

Как SQL и PYTHON используют в аналитике данных?

12 Списки и операции над ними Python

Pandas Базовый №4. Операции со столбцами DataFrame

29 Вложенные списки Python

Метод split и метод join Python

Pandas Базовый №3. Отбор строк и столбцов, Размерность, Импорт CSV

9 Cтроки и операции над ними Python

25 Цикл for. Обход списков и строк Python

BLGPG-D1170F788C2C-24-04-29-11

Новые материалы:

  • Ide скачать python
  • Python ввод пароля
  • Python хешируемый объект
  • Что такое path в python
  • Python тип данных bytes
  • Python производная numpy
  • Максимальное значение int python
  • Opencv в python часть 2
  • Django переменные окружения
  • Google библиотека python

Значение столбца в список Pandas

Кусочек таблицы

Pandas, таблица. У меня есть значения в столбце ‘industry_type’ Я хочу преобразовать их, чтобы они разбились на: [‘Banking’, ‘E-Commerce’, ‘Internet’, ‘Mobile’, ‘Telecommunications’] для каждого ‘organizationID’ соответственно, но не знаю как это сделать. Для начала я удалила запятые, использовав:

cols = ['industry_type'] for col in cols: df[col] = df[col].str.replace(',', ' ') 

значения без запятых

Получила следующее: Чтобы преобразовать в строку столбец ‘industry_type’ использовала:

list_indus = df['industry_type'].tolist() 

Но в результате получаю: [‘Banking E-Commerce Internet Mobile Telecommunications’, ‘Advertising Internet Online Games Online Portals Social Media Marketing’. Только начинаю программировать и работать с pandas, подскажите пожалуйста, что нужно сделать, может цикл какой.

Отслеживать
задан 15 фев 2022 в 13:19
Olga Otinova Olga Otinova
1 1 1 бронзовый знак

Приведите пожалуйста в вопросе минимальный воспроизводимый пример входных данных (в виде текста / CSV / Python кода или ссылки на файл) и то что вы ожидаете получить на выходе. Также советую ознакомиться: Как наиболее эффективно задать вопрос, связанный с обработкой и/или анализом данных (например: по Pandas / Numpy / SciPy / SciKit Learn / SQL)

15 фев 2022 в 13:26

«подскажите пожалуйста, что нужно сделать» чтобы вам подсказали, для начала, отредактируйте свой вопрос, добавьте в него фрагмент ваших данных в воспроизводимом виде и пример того, что вы хотите увидеть в результате.

15 фев 2022 в 13:46

2 ответа 2

Сортировка: Сброс на вариант по умолчанию

Предположим, есть датафрейм:

 moo org industry_type 0 11 1 a, b, c 1 22 2 foo 2 33 3 bar 
res = df["industry_type"].str.split(",").explode().str.strip().to_frame().combine_first(df) 
 industry_type moo org 0 a 11 1 0 b 11 1 0 c 11 1 1 foo 22 2 2 bar 33 3 

Отслеживать
ответ дан 15 фев 2022 в 14:10
26k 4 4 золотых знака 21 21 серебряный знак 36 36 бронзовых знаков

Не совсем понятно конечно, что вы хотите.

dict_of = df = pd.DataFrame(dict_of) >>> org_id org_name in_type 0 1 bank1 [Banking, E-Commerce, Internet, Mobile, Teleco. 1 2 bank2 [Banking, E-Commerce, Internet, Mobile, Teleco. 2 3 bank3 [Banking, E-Commerce, Internet, Mobile, Teleco. 

Вариант 1

>>> print(df.explode('in_type')) org_id org_name in_type 0 1 bank1 Banking 0 1 bank1 E-Commerce 0 1 bank1 Internet 0 1 bank1 Mobile 0 1 bank1 Telecommunications 1 2 bank2 Banking 1 2 bank2 E-Commerce 1 2 bank2 Internet 1 2 bank2 Mobile 1 2 bank2 Telecommunications 2 3 bank3 Banking 2 3 bank3 E-Commerce 2 3 bank3 Internet 2 3 bank3 Mobile 2 3 bank3 Telecommunications 

Вариант 2

>>> print(df.merge(df.in_type.apply(pd.Series), right_index=True, left_index=True)) org_id org_name 0 1 2 3 4 0 1 bank1 Banking E-Commerce Internet Mobile Telecommunications 1 2 bank2 Banking E-Commerce Internet Mobile Telecommunications 2 3 bank3 Banking E-Commerce Internet Mobile Telecommunications 

А может и вообще совсем другое 🙂

UPD

df['in_type'] = df['in_type'].apply(lambda x: x.split(', ')) >>> df org_id org_name in_type 0 1 bank1 [Banking, E-Commerce, Internet, Mobile, Teleco. 1 2 bank2 [Banking, E-Commerce, Internet, Mobile, Teleco.. 

Добавить комментарий

Ваш адрес email не будет опубликован. Обязательные поля помечены *