操作 pandas 数据框列中的列表（例如除以另一列）

Question

我有一个 pandas 数据框，其中一列包含列表。我希望将每行中的每个列表元素除以另一列中的标量值。在下面的示例中，我希望将 a 中的每个元素除以 b:

              a   b
0  [11, 22, 33]  11
1  [12, 24, 36]   2
2  [33, 66, 99]   3

从而产生以下结果：

              a   b                   c
0  [11, 22, 33]  11     [1.0, 2.0, 3.0]
1  [12, 24, 36]   2   [6.0, 12.0, 18.0]
2  [33, 66, 99]   3  [11.0, 22.0, 33.0]

我可以通过下面的代码实现这个：

import pandas as pd

df = pd.DataFrame({"a":[[11,22,33],[12,24,36],[33,66,99]], "b" : [11,2,3]})

result = {"c":[]}
for _, row in df.iterrows():
    result["c"].append([x / row["b"] for x in row["a"]])

df_c = pd.DataFrame(result)
df = pd.concat([df,df_c], axis="columns")

但是对行进行显式迭代并将结果收集到字典中，将其转换为数据框，然后连接到原始数据框似乎非常低效且不优雅。

有没有人有更好的解决方案？

提前致谢，干杯！

PS：如果您想知道为什么我将列表存储在列中：这些是傅里叶变换的结果振幅。

为什么我不为每个频率使用一列？

为每个频率创建一个新列非常慢
我的项目中有不同的采样率和 FFT-window 大小，有多组频率。

Answer 1

压缩两列，通过 product and starmap 的组合将列 a 中的每个条目与其对应的列 b 中的条目分开，并将迭代器转换回列表。

from itertools import product,starmap
from operator import floordiv
df['c'] = [list(starmap(floordiv,(product(num,[denom])))) 
           for num, denom in zip(df.a,df.b)]


        a           b       c
0   [11, 22, 33]    11  [1, 2, 3]
1   [12, 24, 36]    2   [6, 12, 18]
2   [33, 66, 99]    3   [11, 22, 33]

或者，您可以在迭代中使用 numpy 数组：

df['c'] = [list(np.array(num)/denom) for num, denom in zip(df.a,df.b)]

感谢@jezrael 的建议 - 所有这些可能都是不必要的，因为 scipy 对 FFT 有所帮助 - 看看 link 看看是否有帮助.

Answer 2

我会将列表转换为 numpy 数组：

df['c'] = df['a'].apply(np.array) / df['b']

您将在 c 列中得到 np.arrays。如果你真的需要列表，你必须将它们转换回来

df['c'] = df['c'].apply(list)

操作 pandas 数据框列中的列表（例如除以另一列）

Manipulate lists in a pandas data frame column (e.g. divide by another column)

python

performance

fft

list

pandas