使用嵌套字典中的多个值遍历多行以更新python中的数据框

Question

我创建了嵌套字典来为每个组合保留多个值，字典中的示例行如下：-

dict = {'A': {B: array([1,2,3,4,5,6,7,8,9,10]), C: array([array([1,2,3,4,5,6,7,8,9,10],...}}

有多个 As 并且每个数组都有多个数组。现在我想更新具有以下行的数据框：

Col 1	Col 2	Col 3	Col 4
A	B	2	10
A	C	3	10

在此数据框中，根据 col 3 中的值，我需要创建行，例如 A 和 B 将有两行，然后每行将字典中的第一个值乘以 col 4，例如第一行将相乘从数组中乘以 1，然后再乘以 2，依此类推，输出将如下所示：-

Col 1	Col 2	Col 3	Col 4	Col 5
A	B	1	10	10
A	B	1	10	20
A	C	1	10	10
A	C	1	10	20
A	C	1	10	30

我可以通过在字典中迭代来访问数组中的所有值，如下所示：-

for i in dict:
    for j in dict[i]:
        dict[i][j]  

但随后无法遍历数据框的每一行以将每个 Col1 和 Col2 组合的值相乘以创建 Col 5。请建议循环遍历 Col 1 和 Col 2 上的数据框并使用的最佳方法字典中的值基于从 col3 到 Col 4 的行数，考虑到 Col 1 和 Col 2 组合有多个值，并且字典对于每个组合有 10 个值。

编辑：

遍历字典很重要，因为每个组合对于简单的解释都有不同的价值，我把它像 1,2...等。但是字典是通过另一个代码创建的，其中每个组合都有不同的值，

例如可以是这样的

"dict = {'A': {B: array([0.5,0.2,3,4,5,6,7,8,9,10]), C: array([array([0.9,0.6,0.2,4,5,6,7,8,9,10],...}}" 

在这种情况下，A 和 B 组合上第一行的 Col4 将乘以 0.5，第二行将乘以 0.2，如果 A 和 C 第一行将乘以 0.9，第二行乘以 0.6，第三行乘以 0.2。

寻求帮助，了解如何遍历字典中的这些值并更新数据框，字典中每个组合都有 10 个值，并且在数据框中，每个组合可以有 0 到 10 之间的任何行，因此相应的值需要是更新了。

Answer 1

EDIT Ver 2: Reference Dict 和pick dict index val

您创建的字典非常混乱。我假设您想像我展示的那样引用它（而不是 C 中所示的数组数组）。还假设B 和C 是值而不是变量B 和C。

我创建了字典dct（dict 是python中的保留字），用不同的值表示它选择的是值而不是索引。

import pandas as pd
import numpy as np

dct = {'A': {'B': np.array([.2,.4,.6,.8,1.0,1.2,1.4,1.6,1.8,2.0]),
              'C': np.array([.3,.6,.9,1.2,1.5,1.8,2.1,2.4,2.7,3.0])
             }
        }

c = ['Col 1','Col 2','Col 3','Col 4']
d = [['A','B',2,10], ['A','C',3,10]]

df = pd.DataFrame(d,columns=c)

#repeat the values as per times in Col 3. This will create dups in 1 and 2 
df = df.loc[df.index.repeat(df['Col 3'])]

#Now groupby Col 1 and Col 2 and count the number of times we have Col 3 value
#This will give you index to reference the dictionary
df['Col 5'] = (df.groupby(['Col 1','Col 2'])['Col 3'].transform('cumcount'))

#Using the cumcount as index, pick the value from dict using keys Col 1, Col 2 and index Col 5
df['Col 5'] = df.apply(lambda x: dct[x['Col 1']][x['Col 2']][x['Col 5']],axis=1)
print (df)

这个输出将是：

  Col 1 Col 2  Col 3  Col 4  Col 5
0     A     B      2     10    0.2
0     A     B      2     10    0.4
1     A     C      3     10    0.3
1     A     C      3     10    0.6
1     A     C      3     10    0.9

如果你想将 Col 5 乘以 Col 4 的值，它非常简单。将方程更改为（将 Col 4 乘以字典值的结果）：

df['Col 5'] = df.apply(lambda x: x['Col 4'] * dct[x['Col 1']][x['Col 2']][x['Col 5']],axis=1)

这样做的结果将是：

  Col 1 Col 2  Col 3  Col 4  Col 5
0     A     B      2     10    2.0
0     A     B      2     10    4.0
1     A     C      3     10    3.0
1     A     C      3     10    6.0
1     A     C      3     10    9.0

编辑版本 1：不引用字典

如果您只是希望在 Col 5 中为每组 Col 1 和 Col 2 增加 10，那么您可以这样做。

c = ['Col 1','Col 2','Col 3','Col 4']
d = [['A','B',2,10],
['A','C',3,10]]
import pandas as pd
df = pd.DataFrame(d,columns=c)
df = df.loc[df.index.repeat(df['Col 3'])]
df['Col 5'] = (df.groupby(['Col 1','Col 2'])['Col 3'].transform('cumcount')+1)*10
print (df)

这个输出将是：

  Col 1 Col 2  Col 3  Col 4  Col 5
0     A     B      2     10     10
0     A     B      2     10     20
1     A     C      3     10     10
1     A     C      3     10     20
1     A     C      3     10     30

如果您希望 Col 3 的值为 1，则：

df['Col 3'] = 1

这将导致：

  Col 1 Col 2  Col 3  Col 4  Col 5
0     A     B      1     10     10
0     A     B      1     10     20
1     A     C      1     10     10
1     A     C      1     10     20
1     A     C      1     10     30

如果你需要它来引用字典，那么我需要更改代码。