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)))
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 1
0 1 4
1 2 5
2 3 6
要么
pd.DataFrame.from_items(zip(s.index, s.values)).T
0 1 2
0 1 2 3
1 4 5 6
取决于您所需的输出。
这可能比使用aapply
(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)).T
1000 loops, best of 3: 1.37 ms per loop
和
%timeit pd.DataFrame.from_items(zip(s.index, s.values)).T
1000 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).T
1000 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 1
0 1 4
1 2 5
2 3 6