Apply（）的附加系列结果到新的DataFrame吗？

Question

我有一个apply函数，它遍历索引列表，将其插入scikit-learn KNN模型，并返回两个大小为[[n的列表（邻居距离和邻居索引）。 （想象一下这是用于电影推荐系统的。）我想将这些结果添加到新的DF。

例如：如果我的函数迭代3个索引，并且n-neighbor参数为5，我应该得到一个2列且长度为3x5 = 15的DataFrame。但是目前，我的脚本将整个列表追加到一行，如下所示。

这是我的代码。

电影

是具有输入索引的DF。

testDF = pd.DataFrame()

def get_distances_indices(index):

    distances, indices = model_knn.kneighbors(data[index], n_neighbors=6)

    distances = pd.Series(distances.flatten().tolist())
    indices = pd.Series(indices.flatten().tolist())

    return indices, distances

testDF[['index','distance']] = testDF.append(movies.apply(lambda row: get_distances_indices(row['index']), axis=1).apply(pd.Series),ignore_index=True)

感谢您的帮助。我是一个初学者，看到有文章说在此处使用Apply将有助于加快获取邻居列表的过​​程。

为简单起见，这是一个可复制的示例：我只希望列表/系列以垂直顺序而不是水平顺序显示。

testDF = pd.DataFrame()
moviesData = {'movie': ['The Big Whale', 'Stack Underflow'], 'index': [3, 99]}
movies = pd.DataFrame(data=moviesData)

def get_distances_indices(index):
    list1 = [51, 700, 999]
    list2 = [.2, .3, .4]
    df2 = pd.Series(list1)
    df3 = pd.Series(list2)

    return df2,df3

testDF[['index','distance']] = movies.apply(lambda row: get_distances_indices(row['index']), axis=1).apply(pd.Series)
testDF.head()

我有一个apply函数，它遍历一个索引列表，将其插入scikit-learn KNN模型，并返回两个n大小的列表（邻居距离和邻居索引）。 （想象一下这是用于...

Answer 1

您可以尝试这样的事情：