将熊猫系列列表转换为数据框

Question

我有一系列清单

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

我想要一个 DataFrame ，每列都有一个列表。

from_items , from_records , DataFrame Series.to_frame 似乎都不起作用

这该怎么做？

原文由 Hatshepsut 发布，翻译遵循 CC BY-SA 4.0 许可协议

Answer 1

正如@Hatshepsut 在评论中指出的那样， from_items 从版本 0.23 开始被弃用。该链接建议改用 from_dict ，因此可以将旧答案修改为：

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

----------------------------------------------老答案------------------------------------------------ ————–

您可以像这样使用 from_items （假设您的列表长度相同）：

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

   0  1
0  1  4
1  2  5
2  3  6

或者

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

   0  1  2
0  1  2  3
1  4  5  6

取决于你想要的输出。

这比使用 apply （如@Wen 的回答 中所用，但是，它也适用于不同长度的列表）：

 %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 的回答 非常快（也适用于不同长度的列表）：

 %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

最快的解决方案似乎是 @Abdou 的回答（针对 Python 2 进行了测试；也适用于不同长度的列表；在 Python 3.6+ 中使用 itertools.zip_longest ）：

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

一个附加选项：

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

   0  1
0  1  4
1  2  5
2  3  6

原文由 Cleb 发布，翻译遵循 CC BY-SA 4.0 许可协议

Answer 2

如果系列的长度超高（超过1m），可以使用：

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

原文由 Z.Webber 发布，翻译遵循 CC BY-SA 3.0 许可协议