Prenez plusieurs listes dans le dataframe

Comment puis-je prendre plusieurs listes et les mettre en tant que colonnes différentes dans un dataframe python? J'ai essayé cette solution mais j'ai eu quelques problèmes.

Tentative 1:

• Ayez trois listes, fermez-les ensemble et utilisez-les res = zip(lst1,lst2,lst3)
• Donne une seule colonne

Tentative 2:

percentile_list = pd.DataFrame({'lst1Tite' : [lst1],
                                'lst2Tite' : [lst2],
                                'lst3Tite' : [lst3] }, 
                                columns=['lst1Tite','lst1Tite', 'lst1Tite'])

• donne soit une ligne par 3 colonnes (comme ci-dessus) soit si je transpose c'est 3 lignes et 1 colonne

Comment obtenir une trame de données pandas de 100 lignes (longueur de chaque liste indépendante) par 3 colonnes (trois listes)?

Je pense que vous y êtes presque, essayez de supprimer les crochets supplémentaires autour des lst's (vous n'avez pas non plus besoin de spécifier les noms de colonne lorsque vous créez une trame de données à partir d'un dict comme celui-ci):

import pandas as pd
lst1 = range(100)
lst2 = range(100)
lst3 = range(100)
percentile_list = pd.DataFrame(
    {'lst1Title': lst1,
     'lst2Title': lst2,
     'lst3Title': lst3
    })

percentile_list
    lst1Title  lst2Title  lst3Title
0          0         0         0
1          1         1         1
2          2         2         2
3          3         3         3
4          4         4         4
5          5         5         5
6          6         6         6
...

Si vous avez besoin d'une solution plus performante que vous pouvez utiliser np.column_stackplutôt que zipcomme lors de votre première tentative, cela a une accélération d'environ 2x sur l'exemple ici, mais cela a un coût de lisibilité à mon avis:

import numpy as np
percentile_list = pd.DataFrame(np.column_stack([lst1, lst2, lst3]), 
                               columns=['lst1Title', 'lst2Title', 'lst3Title'])

Ajout à la réponse d' Aditya Guru ici. Il n'est pas nécessaire d'utiliser la carte. Vous pouvez le faire simplement en:

pd.DataFrame(list(zip(lst1, lst2, lst3)))

Cela définira les noms des colonnes comme 0,1,2. Pour définir vos propres noms de colonne, vous pouvez transmettre l'argument mot-clé columnsà la méthode ci-dessus.

pd.DataFrame(list(zip(lst1, lst2, lst3)),
              columns=['lst1_title','lst2_title', 'lst3_title'])

En ajoutant simplement qu'en utilisant la première approche, cela peut être fait comme -

pd.DataFrame(list(map(list, zip(lst1,lst2,lst3))))

Ajout d'une autre solution évolutive.

lists = [lst1, lst2, lst3, lst4]
df = pd.concat([pd.Series(x) for x in lists], axis=1)

En ajoutant aux réponses ci-dessus, nous pouvons créer à la volée

df= pd.DataFrame()
list1 = list(range(10))
list2 = list(range(10,20))
df['list1'] = list1
df['list2'] = list2
print(df)

J'espère que ça aide !

@oopsi a utilisé pd.concat()mais n'a pas inclus les noms de colonne. Vous pouvez faire ce qui suit, ce qui, contrairement à la première solution de la réponse acceptée, vous donne le contrôle sur l'ordre des colonnes (évite les dicts, qui ne sont pas ordonnés):

import pandas as pd
lst1 = range(100)
lst2 = range(100)
lst3 = range(100)

s1=pd.Series(lst1,name='lst1Title')
s2=pd.Series(lst2,name='lst2Title')
s3=pd.Series(lst3 ,name='lst3Title')
percentile_list = pd.concat([s1,s2,s3], axis=1)

percentile_list
Out[2]: 
    lst1Title  lst2Title  lst3Title
0           0          0          0
1           1          1          1
2           2          2          2
3           3          3          3
4           4          4          4
5           5          5          5
6           6          6          6
7           7          7          7
8           8          8          8
...

Il existe plusieurs façons de créer une trame de données à partir de plusieurs listes.

list1=[1,2,3,4]
list2=[5,6,7,8]
list3=[9,10,11,12]

1. pd.DataFrame({'list1':list1, 'list2':list2, 'list3'=list3})

2. pd.DataFrame(data=zip(list1,list2,list3),columns=['list1','list2','list3'])

vous pouvez simplement utiliser ce code suivant

train_data['labels']= train_data[["LABEL1","LABEL1","LABEL2","LABEL3","LABEL4","LABEL5","LABEL6","LABEL7"]].values.tolist()
train_df = pd.DataFrame(train_data, columns=['text','labels'])