如何将两列压缩到熊猫中的键值对字典中

Question

我有一个包含两个相关列的数据框，需要合并到一个 dictionary 列中。

样本数据：

    skuId   coreAttributes.price    coreAttributes.amount
0   100     price                   8.84
1   102     price                   12.99
2   103     price                   9.99

预期输出：

skuId    coreAttributes
100      {'price': 8.84}
102      {'price': 12.99}
103      {'price': 9.99}

我试过的：

planProducts_T = planProducts.filter(regex = 'coreAttributes').T
planProducts_T.columns = planProducts_T.iloc[0]
planProducts_T.iloc[1:].to_dict(orient = 'records')

我得到 UserWarning: DataFrame columns are not unique, some columns will be omitted. 和这个输出：

[{'price': 9.99}]

你能帮我解决这个问题吗？

Answer 1

您可以将列表理解与 python 的 zip 一起使用：

df['coreAttributes'] = [{k: v} for k,v in
                        zip(df['coreAttributes.price'],
                            df['coreAttributes.amount'])]

输出：

   skuId coreAttributes.price  coreAttributes.amount    coreAttributes
0    100                price                   8.84   {'price': 8.84}
1    102                price                  12.99  {'price': 12.99}
2    103                price                   9.99   {'price': 9.99}

如果需要删除初始列，请使用pop。

df['coreAttributes'] = [{k: v} for k,v in
                        zip(df.pop('coreAttributes.price'),
                            df.pop('coreAttributes.amount'))]

输出：

   skuId    coreAttributes
0    100   {'price': 8.84}
1    102  {'price': 12.99}
2    103   {'price': 9.99}

Answer 2

您可以使用 apply 和 drop 进行优化计算

df["coreAttributes"] = df.apply(lambda row: {row["coreAttributes.price"]: row["coreAttributes.amount"]}, axis=1)
df.drop(["coreAttributes.price","coreAttributes.amount"], axis=1)

输出

    skuId   coreAttributes
0   100     {'price': 8.84}
1   102     {'price': 12.99}
2   103     {'price': 9.99}

Answer 3

df.set_index("skuId").apply(lambda ss:{ss[0]:ss[1]},axis=1).rename("coreAttributes").reset_index()

出去：

 skuId    coreAttributes
0    100   {'price': 8.84}
1    102  {'price': 12.99}
2    103   {'price': 9.99}