Ho un elenco "abc" e un dataframe "df":

abc = ['foo', 'bar']
df =
    A  B
0  12  NaN
1  23  NaN

Voglio inserire l'elenco nella cella 1B, quindi voglio questo risultato:

    A  B
0  12  NaN
1  23  ['foo', 'bar']

Come posso farlo?

1) Se uso questo:

df.ix[1,'B'] = abc

Ricevo il seguente messaggio di errore:

ValueError: Must have equal len keys and value when setting with an iterable

perché cerca di inserire l'elenco (che ha due elementi) in una riga / colonna ma non in una cella.

2) Se uso questo:

df.ix[1,'B'] = [abc]

quindi inserisce una lista che ha un solo elemento che è la lista 'abc' ( [['foo', 'bar']]).

3) Se uso questo:

df.ix[1,'B'] = ', '.join(abc)

quindi inserisce una stringa: ( foo, bar) ma non una lista.

4) Se uso questo:

df.ix[1,'B'] = [', '.join(abc)]

quindi inserisce una lista ma ha solo un elemento ( ['foo, bar']) ma non due come voglio ( ['foo', 'bar']).

Grazie per l'aiuto!

MODIFICARE

Il mio nuovo dataframe e il vecchio elenco:

abc = ['foo', 'bar']
df2 =
    A    B         C
0  12  NaN      'bla'
1  23  NaN  'bla bla'

Un altro dataframe:

df3 =
    A    B         C                    D
0  12  NaN      'bla'  ['item1', 'item2']
1  23  NaN  'bla bla'        [11, 12, 13]

Voglio inserire l'elenco "abc" in df2.loc[1,'B']e / o df3.loc[1,'B'].

Se il dataframe ha colonne solo con valori interi e / o valori NaN e / o valori di elenco, l'inserimento di un elenco in una cella funziona perfettamente. Se il dataframe ha colonne solo con valori stringa e / o valori NaN e / o valori elenco, l'inserimento di un elenco in una cella funziona perfettamente. Ma se il dataframe ha colonne con valori interi e stringa e altre colonne, viene visualizzato il messaggio di errore se uso questo: df2.loc[1,'B'] = abco df3.loc[1,'B'] = abc.

Un altro dataframe:

df4 =
          A     B
0      'bla'  NaN
1  'bla bla'  NaN

Questi inserti funzionano perfettamente: df.loc[1,'B'] = abco df4.loc[1,'B'] = abc.

Poiché set_valueè stato deprecato dalla versione 0.21.0, ora dovresti usare at. Può inserire un elenco in una cella senza sollevare un ValueErroras locdo. Penso che ciò sia dovuto al fatto che at si riferisce sempre a un singolo valore, mentre locpuò fare riferimento a valori oltre a righe e colonne.

df = pd.DataFrame(data={'A': [1, 2, 3], 'B': ['x', 'y', 'z']})

df.at[1, 'B'] = ['m', 'n']

df =
    A   B
0   1   x
1   2   [m, n]
2   3   z

Devi anche assicurarti che la colonna in cui stai inserendo abbia dtype=object. Per esempio

>>> df = pd.DataFrame(data={'A': [1, 2, 3], 'B': [1,2,3]})
>>> df.dtypes
A    int64
B    int64
dtype: object

>>> df.at[1, 'B'] = [1, 2, 3]
ValueError: setting an array element with a sequence

>>> df['B'] = df['B'].astype('object')
>>> df.at[1, 'B'] = [1, 2, 3]
>>> df
   A          B
0  1          1
1  2  [1, 2, 3]
2  3          3

df3.set_value(1, 'B', abc)funziona per qualsiasi dataframe. Prenditi cura del tipo di dati della colonna "B". Per esempio. una lista non può essere inserita in una colonna float, in quel caso df['B'] = df['B'].astype(object)può aiutare.

Panda> = 0,21

set_valueè stato deprecato. È ora possibile utilizzare DataFrame.atper impostare per etichetta e DataFrame.iatper impostare per posizione intera.

Impostazione dei valori delle celle con at/iat

# Setup
df = pd.DataFrame({'A': [12, 23], 'B': [['a', 'b'], ['c', 'd']]})
df

    A       B
0  12  [a, b]
1  23  [c, d]

df.dtypes

A     int64
B    object
dtype: object

Se desideri impostare un valore nella seconda riga della "B" su un nuovo elenco, utilizza DataFrane.at:

df.at[1, 'B'] = ['m', 'n']
df

    A       B
0  12  [a, b]
1  23  [m, n]

Puoi anche impostare per posizione intera usando DataFrame.iat

df.iat[1, df.columns.get_loc('B')] = ['m', 'n']
df

    A       B
0  12  [a, b]
1  23  [m, n]

E se ottengo ValueError: setting an array element with a sequence?

Proverò a riprodurlo con:

df

    A   B
0  12 NaN
1  23 NaN

df.dtypes

A      int64
B    float64
dtype: object

df.at[1, 'B'] = ['m', 'n']
# ValueError: setting an array element with a sequence.

Ciò è dovuto al fatto che il tuo oggetto è di tipo float64d, mentre le liste sono objects, quindi c'è una mancata corrispondenza lì. Quello che dovresti fare in questa situazione è convertire prima la colonna in oggetto.

df['B'] = df['B'].astype(object)
df.dtypes

A     int64
B    object
dtype: object

Quindi, funziona:

df.at[1, 'B'] = ['m', 'n']
df

    A       B
0  12     NaN
1  23  [m, n]

Possibile, ma Hacky

Ancora più stravagante, ho scoperto che puoi hackerare DataFrame.locper ottenere qualcosa di simile se passi elenchi annidati.

df.loc[1, 'B'] = [['m'], ['n'], ['o'], ['p']]
df

    A             B
0  12        [a, b]
1  23  [m, n, o, p]

Puoi leggere di più sul motivo per cui funziona qui.

Come accennato in questo post panda: come memorizzare un elenco in un dataframe? ; i dtypes nel dataframe possono influenzare i risultati, così come chiamare un dataframe o non essere assegnato.

Rapido lavoro intorno

Racchiudi semplicemente l'elenco all'interno di un nuovo elenco, come fatto per col2 nel frame di dati sottostante. Il motivo per cui funziona è che python prende la lista esterna (di liste) e la converte in una colonna come se contenesse normali elementi scalari, che nel nostro caso sono liste e non normali scalari.

mydict={'col1':[1,2,3],'col2':[[1, 4], [2, 5], [3, 6]]}
data=pd.DataFrame(mydict)
data


   col1     col2
0   1       [1, 4]
1   2       [2, 5]
2   3       [3, 6]

Anche ottenendo

ValueError: Must have equal len keys and value when setting with an iterable,

l'utilizzo di .at anziché .loc non ha fatto alcuna differenza nel mio caso, ma l'applicazione del tipo di dati della colonna dataframe ha fatto il trucco:

df['B'] = df['B'].astype(object)

Quindi potrei impostare elenchi, array numpy e ogni sorta di cose come valori di cella singola nei miei dataframe.