web-dev-qa-db-fra.com

Manière pythonique de calculer la longueur des listes dans pandas dataframe column

J'ai un dataframe comme ceci:

                                                    CreationDate
2013-12-22 15:25:02                  [ubuntu, mac-osx, syslinux]
2009-12-14 14:29:32  [ubuntu, mod-rewrite, laconica, Apache-2.2]
2013-12-22 15:42:00               [ubuntu, nat, squid, mikrotik]

Je calcule la longueur des listes dans la colonne CreationDate et crée une nouvelle colonne Length comme celle-ci:

df['Length'] = df.CreationDate.apply(lambda x: len(x))

Ce qui me donne ceci:

                                                    CreationDate  Length
2013-12-22 15:25:02                  [ubuntu, mac-osx, syslinux]       3
2009-12-14 14:29:32  [ubuntu, mod-rewrite, laconica, Apache-2.2]       4
2013-12-22 15:42:00               [ubuntu, nat, squid, mikrotik]       4

Existe-t-il un moyen plus pythonique de le faire?

pythonpython-2.7pandas
31
MYGz

Vous pouvez également utiliser l'accesseur str pour certaines opérations de liste. Dans cet exemple,

df['CreationDate'].str.len()

renvoie la longueur de chaque liste. Voir la documentation pour str.len .

df['Length'] = df['CreationDate'].str.len()
df
Out: 
                                                    CreationDate  Length
2013-12-22 15:25:02                  [ubuntu, mac-osx, syslinux]       3
2009-12-14 14:29:32  [ubuntu, mod-rewrite, laconica, Apache-2.2]       4
2013-12-22 15:42:00               [ubuntu, nat, squid, mikrotik]       4

Pour ces opérations, Vanilla Python est généralement plus rapide. pandas gère les NaN. Cependant, voici les timings:

ser = pd.Series([random.sample(string.ascii_letters, 
                               random.randint(1, 20)) for _ in range(10**6)])

%timeit ser.apply(lambda x: len(x))
1 loop, best of 3: 425 ms per loop

%timeit ser.str.len()
1 loop, best of 3: 248 ms per loop

%timeit [len(x) for x in ser]
10 loops, best of 3: 84 ms per loop

%timeit pd.Series([len(x) for x in ser], index=ser.index)
1 loop, best of 3: 236 ms per loop
44
ayhan