[python] Pandas 데이터 프레임에서 튜플 열을 분할하는 방법은 무엇입니까?

의 개체에 str사용할 수 있는 접근 자는 실제로 반복 가능합니다.pandas.Seriesdtype == object

가정 pandas.DataFrame df:

df = pd.DataFrame(dict(col=[*zip('abcdefghij', range(10, 101, 10))]))

df

        col
0   (a, 10)
1   (b, 20)
2   (c, 30)
3   (d, 40)
4   (e, 50)
5   (f, 60)
6   (g, 70)
7   (h, 80)
8   (i, 90)
9  (j, 100)

반복 가능한지 테스트 할 수 있습니다.

from collections import Iterable

isinstance(df.col.str, Iterable)

True

그런 다음 다른 이터 러블처럼 할당 할 수 있습니다.

var0, var1 = 'xy'
print(var0, var1)

x y

가장 간단한 솔루션

따라서 한 줄에 두 열을 할당 할 수 있습니다.

df['a'], df['b'] = df.col.str

df

        col  a    b
0   (a, 10)  a   10
1   (b, 20)  b   20
2   (c, 30)  c   30
3   (d, 40)  d   40
4   (e, 50)  e   50
5   (f, 60)  f   60
6   (g, 70)  g   70
7   (h, 80)  h   80
8   (i, 90)  i   90
9  (j, 100)  j  100

---

더 빠른 솔루션

약간 더 복잡 zip하지만 비슷한 반복 가능한

df['c'], df['d'] = zip(*df.col)

df

        col  a    b  c    d
0   (a, 10)  a   10  a   10
1   (b, 20)  b   20  b   20
2   (c, 30)  c   30  c   30
3   (d, 40)  d   40  d   40
4   (e, 50)  e   50  e   50
5   (f, 60)  f   60  f   60
6   (g, 70)  g   70  g   70
7   (h, 80)  h   80  h   80
8   (i, 90)  i   90  i   90
9  (j, 100)  j  100  j  100

---

인라인

의미, 기존을 변경하지 마십시오 . 키워드가 새 (또는 기존) 열 이름이고 값이 새 열의 값인 키워드 인수를 사용 df
하기 때문에 작동합니다 assign. 사전을 사용하고 압축을 풀고 **키워드 인수로 작동하도록 할 수 있습니다 . 따라서 이것은 이터 러블 'g'의 첫 번째 항목이고 df.col.str이터 러블 'h'의 두 번째 항목 인 새 열을 할당하는 영리한 방법입니다 df.col.str.

df.assign(**dict(zip('gh', df.col.str)))

        col  g    h
0   (a, 10)  a   10
1   (b, 20)  b   20
2   (c, 30)  c   30
3   (d, 40)  d   40
4   (e, 50)  e   50
5   (f, 60)  f   60
6   (g, 70)  g   70
7   (h, 80)  h   80
8   (i, 90)  i   90
9  (j, 100)  j  100

---

내 버전의 list접근 방식

현대적인 목록 이해 및 변수 풀기.
참고 : 또한 인라인 사용join

df.join(pd.DataFrame([*df.col], df.index, [*'ef']))

        col  g    h
0   (a, 10)  a   10
1   (b, 20)  b   20
2   (c, 30)  c   30
3   (d, 40)  d   40
4   (e, 50)  e   50
5   (f, 60)  f   60
6   (g, 70)  g   70
7   (h, 80)  h   80
8   (i, 90)  i   90
9  (j, 100)  j  100

돌연변이 버전은

df[['e', 'f']] = pd.DataFrame([*df.col], df.index)

---

순진한 시간 테스트

짧은 DataFrame

위에 정의 된 것을 사용하십시오.

%timeit df.assign(**dict(zip('gh', df.col.str)))
%timeit df.assign(**dict(zip('gh', zip(*df.col))))
%timeit df.join(pd.DataFrame([*df.col], df.index, [*'gh']))

1.16 ms ± 21.5 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)
635 µs ± 18.7 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)
795 µs ± 42.5 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)

긴 DataFrame

10 ^ 3 배 더 큼

df = pd.concat([df] * 1000, ignore_index=True)

%timeit df.assign(**dict(zip('gh', df.col.str)))
%timeit df.assign(**dict(zip('gh', zip(*df.col))))
%timeit df.join(pd.DataFrame([*df.col], df.index, [*'gh']))

11.4 ms ± 1.53 ms per loop (mean ± std. dev. of 7 runs, 100 loops each)
2.1 ms ± 41.4 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)
2.33 ms ± 35.1 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)