3

Tendo o dataframe abaixo como exemplo, desejo pegar a coluna "B" e explodí-la em diversas colunas usando uma lista de elementos para posicionar cada valor na sua respectiva coluna destino.

Dataframe de teste

import pandas as pd

df = pd.DataFrame({"A": [1,2,3], 
                   "B": [["a","b","c"],["a","c"],["b"]], 
                   "C": ["agua", "banana", "casa"]})

print(df)

   A          B       C
0  1  [a, b, c]    agua
1  2     [a, c]  banana
2  3        [b]    casa

Explodindo coluna

exploded = pd.DataFrame(df["B"].tolist(), index=df.index)

print(exploded)

   0     1     2
0  a     b     c
1  a     c  None
2  b  None  None

Achei que inserir nomes de colunas no comando anterior pudesse ajudar,

exploded = pd.DataFrame(df["B"].tolist(), index=df.index, columns=["col_a", "col_b", "col_c"])

print(exploded)

  col_a col_b col_c
0     a     b     c
1     a     c  None
2     b  None  None

A ideia é fazer o merge desta saída com o dataframe original.

Todavia, a saída desejada é:

Saída desejada

  col_a col_b col_c
0     a     b     c
1     a  None     c
2  None     b  None

Para posicionar os elementos na coluna correta, gostaria de usar uma lista de elementos já ordenados. Segundo o exemplo acima, a lista seria: ["a", "b", "c"]. Porém, aceito outras sugestões.

Nota: Pode ser None ou NaN

2
  • 1
    Eu parti duma transformação pd.DataFrame(df["B"].transform(lambda e: ["a" in e, "b" in e, "c" in e]).tolist()) o que é basicamente um for loop, não sei se é adequado aos seus requisitos? Commented 13/06/2022 às 11:39
  • @AugustoVasques, pensei em algo parecido usando o apply. Sei que vou perder performance, mas acho que vai atender ao que preciso. Pois, este foi um exemplo com "a, b, c", tenho várias colunas com quantidade de itens e categorias diferentes. De qualquer forma, vou dar uma olhada no transform para ver se ele atende melhor que o apply. Obrigado pela dica. Commented 13/06/2022 às 16:36

2 Respostas 2

1

Baseado no comentário do @Augusto Vasques, cheguei à seguinte solução:

import numpy as np

def coloca_no_lugar(row, gabarito):
    if not isinstance(row, list):
        return [np.nan] * len(gabarito)
    return [item if item in row else np.nan for item in gabarito]

Nota O teste de instância se dá para garantir que o Python não irá gerar uma Exception no caso de encontrar um item não iterável no valor passado (row).

Tendo esta função acima, basta chamar usando apply ou transform

pd.DataFrame(df["B"].transform(coloca_no_lugar, gabarito=["a", "b", "c"]).tolist(), columns=["col_a","col_b","col_c"])

A saída do comando acima é:

  col_a col_b col_c
0     a     b     c
1     a  None     c
2  None     b  None

Com isto, basta:

  1. Fazer o merge baseado no index
  2. Fazer o drop da coluna "B"

Nota nenhum dos dois itens acima faz parte da pergunta original.

0

Uma outra forma de chegar na saída esperada é usando os comandos .explode() passando a coluna B e pivot() usando como parâmetros a coluna B também em columns e values, desta forma:

df2 = df.explode('B')
df2 = df2.pivot( columns='B', values ='B')
df2.head()
#saída:

B   a   b   c
0   a   b   c
1   a   NaN c
2   NaN b   NaN

Para renomear as colunas é possível passar um array direto para o .columns, ou algo mais dinâmico com list comprehension.

df2.columns = ['col_a', 'col_b', 'col_c']
#ou 
df2.columns = ['col_' + column for column in df2.columns]
df2.head()
    col_a   col_b   col_c
0   a       b       c
1   a       NaN     c
2   NaN     b       NaN

Você deve fazer log-in para responder a esta pergunta.

Esta não é a resposta que você está procurando? Pesquise outras perguntas com a tag .