在数据帧中存储列表的替代方法

Question

我有一个数据框，用于存储系统中用户的时间序列数据，例如：

time      action    playerID  amount    outcome
------------------------------------------------
10:00:00  sell      1         10        win
09:58:10  buy       2         15        lose
09:55:00  leave     2         NaN       NaN
09:55:00  enter     6         NaN       NaN

我一开始就知道系统中有哪些用户，我正试图找出在每行存储“系统状态”的最佳方法。例如，在开始时，系统中有5个玩家，系统状态为(1,2,3,4,5)。09:55:00，系统状态更改为(1,3,4,5,6)

引用这篇文章Can pandas.DataFrame have list type column?，一种方法是用空列表声明一个新字段，然后在每个leave和enter记录上对列表进行替换

time      action    playerID  amount    outcome    state
--------------------------------------------------------------
10:00:00  sell      1         10        win        [1,2,3,4,5]
09:58:10  buy       2         15        lose       [1,2,3,4,5]
09:55:00  leave     2         NaN       NaN        [1,3,4,5]
09:55:00  enter     6         NaN       NaN        [1,3,4,5,6]

我的问题是，然后我将对不同的状态进行分析（表中有更多的数据点），并且根据列表对字段进行查找和筛选似乎不可靠和/或计算成本高昂

我想到的另一种选择是将不同的状态存储在字典中，每次我在数据中遇到新的组合时，将其作为值添加到字典中，并自动递增键，并给每个状态一个可以存储在数据框中的ID（以下代码未经测试，仅用于示例目的）：

states = {1:[1,2,3,4,5]}
statesID = 1
state = [1,2,3,4,5]
for i in df:
    if i['action'] == 'leave':
        state.remove(i['playerID'])
    if i['action'] == 'enter':
        state.append(i['playerID'])
    state = state.sort()
    if len(state) == 5 & state not in states.values():
        statesID += 1
        states[statesID] = statesID
    i['state'] = statesID

这种方法的缺点是，我要理解，遍历数据帧是低效的，应该避免

我更多地来自SQL背景，这就是为什么我本能地将状态“ID”存储在数据帧中的原因。有没有更有效或更“pythonic”的方法

Answer 1

您可以将列表另存为字符串S

L=[1,2,3,4,5] 
S=str(L)  

根据后续分析的工作流程，您可以将字符串转回整数数组（或列表）

np.array(S.split('[')[1].split(']')[0].split(', '), dtype=int) 

这里是ipython外壳上的一个片段

In [1]: import numpy as np                                                                                                                                                                                             

In [2]: L=[1,2,3,4,5]                                                                                                  

In [3]: S=str(L)                                                                                                       

In [4]: S                                                                                                              
Out[4]: '[1, 2, 3, 4, 5]'

In [5]: np.array(S.split('[')[1].split(']')[0].split(', '), dtype=int)                                                 
Out[5]: array([1, 2, 3, 4, 5])

In [6]: list(np.array(S.split('[')[1].split(']')[0].split(', '), dtype=int) )                                          
Out[6]: [1, 2, 3, 4, 5]