将pandas系列列表转换为数据框

将pandas系列列表转换为数据框

作为@Hatshepsut在评论中指出，

from_items

被弃用的0.23版本。该链接建议

from_dict

改用，因此可以将旧答案修改为：

pd.Dataframe.from_dict(dict(zip(s.index, s.values)))

--------------------------------------------------旧答案------------------------------------------------

您可以这样使用

from_items

（假设您的列表长度相同）：

pd.Dataframe.from_items(zip(s.index, s.values))   0  10  1  41  2  52  3  6

要么

pd.Dataframe.from_items(zip(s.index, s.values)).T   0  1  20  1  2  31  4  5  6

取决于您所需的输出。

这可能比使用a

apply

（在@Wen的答案中使用，但是对于不同长度的列表也适用）要快得多：

%timeit pd.Dataframe.from_items(zip(s.index, s.values))1000 loops, best of 3: 669 µs per loop%timeit s.apply(lambda x:pd.Series(x)).T1000 loops, best of 3: 1.37 ms per loop

和

%timeit pd.Dataframe.from_items(zip(s.index, s.values)).T1000 loops, best of 3: 919 µs per loop%timeit s.apply(lambda x:pd.Series(x))1000 loops, best of 3: 1.26 ms per loop

此外@哈特谢普苏特的回答是相当快的（也适用于不同长度的列表）：

%timeit pd.Dataframe(item for item in s)1000 loops, best of 3: 636 µs per loop

和

%timeit pd.Dataframe(item for item in s).T1000 loops, best of 3: 884 µs per loop

最快的解决方案似乎是@Abdou的答案（经过Python
2测试；也适用于不同长度的列表；

itertools.zip_longest

在Python 3.6+中使用）：

%timeit pd.Dataframe.from_records(izip_longest(*s.values))1000 loops, best of 3: 529 µs per loop

附加选项：

pd.Dataframe(dict(zip(s.index, s.values)))   0  10  1  41  2  52  3  6