1

necesito crear una columna dataframe según los valores de otra.

Dataframe:

Ocurrences  level         movesRemaining
0   16      Level_0019    ["0","1"]
1   594     Level_0022    ["4","1"]
2   1109    Level_0023    ["5","2"]
3   300     Level_0024    ["0","3"]
4   9       Level_0028    ["2","4"]

Necesito crear una columnan moves1 y otra columna moves2 donde en una entre el primer número de la tupla y en otra el segundo. Decir que no es una lista lo que hay ahí, es decir, es tipo string, así me han llegado los datos.

Si hay alguna manera de pasarlo todo a lista entonces ya podría acceder facilmente.

Un saludo

3
  • A ver, sospecho que esta pregunta está relacionada con esta otra, también tuya, y si utilizaras la biblioteca json para procesar la cadena de entrada y extraer la lista en cuestión, tal como se aconseja en la respuesta, en esa columna una lista en lugar de una cadena. Por otro lado ¿has llegado a probar lo que se indica en esa otra respuesta?
    – abulafia
    el 26 sep. 2019 a las 15:19
  • Lo he probado y no había manera sencilla de convertir todas las lineas del dataframe, unos 6 millones a json, o al menos yo no lo he conseguido, lo que is he conseguido es tener los datos de esta manera en la que creo será más sencillo conseguirlo.
    – Data sc
    el 26 sep. 2019 a las 15:34
  • Acabo de poner una respuesta a esta pregunta, pero aún me gustaría saber por qué no te sirvió lo del json para la otra pregunta, o cómo lo resolviste finalmente (supongo que sin usar expresiones regulares).
    – abulafia
    el 26 sep. 2019 a las 15:49

1 respuesta 1

1

Lo primero sería convertir los elementos la columna movesRemaining en listas python, en vez de cadenas de caracteres. Puedes tratar de hacerlo "a mano", quitando los corchetes que tienen alrededor, usando str.split() para partir por la coma, etc. Pero ¿por qué complicarse cuando json.loads() puede hacer lo mismo de forma mucho más robusta? Así:

import json

df.movesRemaining = df.movesRemaining.apply(json.loads)

Tras esto, los elementos de esa columna ya son listas python "de verdad". Ahora, separarlo en otras dos columnas puede hacerse de muchas formas. Una de ellas:

df["moves1"], df["moves2"] = zip(*df.movesRemaining)

con el resultado:

    Ocurrences       level movesRemaining moves1 moves2
 0          16  Level_0019         [0, 1]      0      1
 1         594  Level_0022         [4, 1]      4      1
 2        1109  Level_0023         [5, 2]      5      2
 3         300  Level_0024         [0, 3]      0      3
 4           9  Level_0028         [2, 4]      2      4

Edición

En un comentario el usuario indica que algunas de las listas podrían tener tres elementos, y algunas otras sólo uno, y que en estos casos necesitaría desempaquetarlos en tres columnas o sólo una, respectivamente.

Naturalmente, la tabla no puede tener mayor o menor número de columnas en cada fila. Si al menos un elemento de movesRemainig es una lista de tres, habrá que desempaquetar en una tercera columna, y todas las filas que sólo tengan dos elementos en la lista tendrán None en esta tercera columna. Y si alguna fila sólo tiene un elemento en la lista, ese elemento irá a la columna moves1, mientras que en las columnas moves2 y moves3 habrá None.

Si este comportamiento te vale, la solución es usar zip_longest() en lugar de zip().

Pongamos un ejemplo. Este es el dataframe:

    Ocurrences       level movesRemaining
 0          16  Level_0019      ["0","1"]
 1         594  Level_0022      ["4","1"]
 2        1109  Level_0023      ["5","2"]
 3         300  Level_0024  ["0","3","5"]
 4           9  Level_0028      ["2","4"]
 5          50  Level_0029          ["4"]

Este es el código que sugiero:

import json
from itertools import zip_longest

df["movesRemaining"] = df["movesRemaining"].apply(json.loads)
df["moves1"], df["moves2"], df["moves3"] = zip_longest(*df["movesRemaining"])

Y este es el resultado:

    Ocurrences       level movesRemaining moves1 moves2 moves3
 0          16  Level_0019         [0, 1]      0      1   None
 1         594  Level_0022         [4, 1]      4      1   None
 2        1109  Level_0023         [5, 2]      5      2   None
 3         300  Level_0024      [0, 3, 5]      0      3      5
 4           9  Level_0028         [2, 4]      2      4   None
 5          50  Level_0029            [4]      4   None   None

Si en vez de None quieres cualquier otro valor, puedes especificarlo en el parámetro fillvalue de zip_longest(). Por ejemplo:

df["moves1"], df["moves2"], df["moves3"] = zip_longest(*df["movesRemaining"], fillvalue="-")

produce

    Ocurrences       level movesRemaining moves1 moves2 moves3
 0          16  Level_0019         [0, 1]      0      1      -
 1         594  Level_0022         [4, 1]      4      1      -
 2        1109  Level_0023         [5, 2]      5      2      -
 3         300  Level_0024      [0, 3, 5]      0      3      5
 4           9  Level_0028         [2, 4]      2      4      -
 5          50  Level_0029            [4]      4      -      -
10
  • Muchas gracias, pruebo y te digo si me funcionó.
    – Data sc
    el 27 sep. 2019 a las 9:21
  • Gracias por la ayuda, en cuanto a la forma de mapear los datos en las nuevas columnas, tengo un problema, a veces tengo el formato [0, 1] pero otras veces en esa ahora lista solo hay un número o tres, de la forma [8] o [1, 2, 3], en cual caso tendría que rellenar tres columnas o solo la primera.
    – Data sc
    el 27 sep. 2019 a las 11:12
  • @Franciscovilches He editado la respuesta para añadir cómo manejar ese caso
    – abulafia
    el 27 sep. 2019 a las 11:23
  • Me da este error cuando intento tu solución, gracias de nuevo por tu ayuda, df["obj1"], df["obj2"], df["obj3"] = zip_longest(*df["movesRemaining"], fillvalue="") ValueError: not enough values to unpack (expected 3, got 2)
    – Data sc
    el 27 sep. 2019 a las 11:28
  • Pues eso es que no tienes una lista con tres elementos en ninguna de tus filas (en la columna movesRemaining) Puedes mirar qué longitud máxima tienen tus listas con df.movesRemaining.map(len).max()
    – abulafia
    el 27 sep. 2019 a las 11:29

Tu Respuesta

By clicking “Publica tu respuesta”, you agree to our terms of service and acknowledge that you have read and understand our privacy policy and code of conduct.

¿No es la respuesta que buscas? Examina otras preguntas con la etiqueta o formula tu propia pregunta.