使用其中一个数据帧作为键将 Python 中的数据帧组合到字典中

Question

我有 3 个数据框，包含每日数据：唯一代码、名称、分数。第 1 行中的第一个值称为排名，然后我有日期，排名下的第一列包含排名编号（第一列用作索引）。

**df1** UNIQUE CODES

Rank 12/8/2017 12/9/2017 .... 1/3/2018
1     Code_1      Code_3       Code_4
2     Code_2      Code_1       Code_2
...
1000  Code_5      Code_6       Code_7

**df2** NAMES

Rank 12/8/2017 12/9/2017 .... 1/3/2018
1     Jon        Maria         Peter
2     Brian      Jon           Maria
...
1000  Chris      Tim           Charles

**df3** SCORES

Rank 12/8/2017 12/9/2017 .... 1/3/2018
1     10           20           30
2     15           10           40
...
1000  25           15           20

期望的输出：

我想将这些数据帧组合成一个字典，使用 df1 代号作为键，所以它看起来像这样：

dictionary = {'Code_1':[Jon, 20] , 'Code_2':[Brian, 15]}

由于有重复的竞争对手，我需要将他们在所有数据系列中的得分相加。所以在上面的例子中，Jon 的 Score_1 将包含 12/8/2017 和 12/9/2017 的分数。

有 1000 行和 26 列 + 索引，因此需要一种方法来捕获它们。我认为嵌套循环可以在这里工作，但没有足够的经验来构建一个有效的。

最后，我想按最高分对字典进行排序。请提出任何解决方案或更直接的方法来组合这些数据并获得分数排名。

我附上了数据框的图片，包含名称、代码和分数。

names

codes

scores

我在我拥有的 3 个数据帧上使用了以下建议的解决方案。请注意，主题标签代表代码，球员代表姓名，奖杯代表分数：

# reshape to get dates into rows
hashtags_reshaped = pd.melt(hashtags, id_vars = ['Rank'], 
                   value_vars = hashtags.columns, 
                   var_name = 'Date', 
                   value_name = 'Code').drop('Rank', axis = 1)

# reshape to get dates into rows
players_reshaped = pd.melt(players, id_vars = ['Rank'], 
                   value_vars = hashtags.columns, 
                   var_name = 'Date', 
                   value_name = 'Name').drop('Rank', axis = 1)

# reshape to get the dates into rows
trophies_reshaped = pd.melt(trophies, id_vars = ['Rank'], 
                   value_vars = hashtags.columns, 
                   var_name = 'Date', 
                   value_name = 'Score').drop('Rank', axis = 1)

# merge the three together. 
# This _assumes_ that the dfs are all in the same order and that all the data matches up.
merged_df = pd.DataFrame([hashtags_reshaped['Date'], 
hashtags_reshaped['Code'], players_reshaped['Name'], 
trophies_reshaped['Score']]).T
print(merged_df)

# group by code, name, and date; sum the scores together if multiple exist for a given code-name-date grouping
grouped_df = merged_df.groupby(['Code', 'Name', 'Date']).sum().sort_values('Score', ascending = False)
print(grouped_df)

summed_df = merged_df.drop('Date', axis = 1) \
.groupby(['Code', 'Name']).sum() \
.sort_values('Score', ascending = False).reset_index()
summed_df['li'] = list(zip(summed_df.Name, summed_df.Score))
print(summed_df)

但是我得到了一个奇怪的输出：总分应该是数百或低数千（因为平均分数是 200-300，平均参与频率是 4-6 次）。我得到的分数结果很差，但它们的匹配代码和名称正确。

summed_df：

0       (MandiBralaX, 996871590076253)  
1              (Arso_C, 9955130513430)  
2               (ThatRainbowGuy, 9946)  
3                         (fabi, 9940)  
4                      (Dogão, 991917)  
5                      (Hierbo, 99168)  
6               (Clyde, 9916156180128)  
7      (.A.R.M.I.N., 9916014310187143)  
8                (keftedokofths, 9900)  
9                   (⚽AngelSosa⚽, 990)  
10                       (Totoo98, 99)  

group_df：

          Code             Name             Score  \
0       #JL2J02LY      MandiBralaX   996871590076253   
1       #80JQ90VC           Arso_C     9955130513430   
2       #9GGC2CUQ   ThatRainbowGuy              9946   
3       #8LL989QV             fabi              9940   
4        #9PPC89L            Dogão            991917   
5      #2JPLQ8JP8           Hierbo             99168

Answer 1

这应该可以帮助您完成大部分工作。我没有按照您的说明在最后创建字典；虽然您可能需要这种格式，但您最终会得到嵌套的字典或列表，因为每个代码都有 1 个名称，但可能有许多与之相关的日期和分数。您希望如何记录这些 - 列表、字典等？

下面的代码返回一个分组的数据框；您可以将其直接输出到字典（如图所示），但您可能需要详细指定格式，尤其是在您需要有序字典的情况下。 （字典本质上是没有顺序的；如果您真的需要有序字典，您必须from collections import OrderedDict 并查看该文档。

import pandas as pd

#create the dfs; note that 'Code' is set up as a string
df1 = pd.DataFrame({'Rank': [1, 2], '12/8/2017': ['1', '2'], '12/9/2017': ['3', '1']})
df1.set_index('Rank', inplace = True)

# reshape to get dates into rows
df1_reshaped = pd.melt(df1, id_vars = ['Rank'], 
                       value_vars = df1.columns, 
                       var_name = 'Date', 
                       value_name = 'Code').drop('Rank', axis = 1)
#print(df1_reshaped)

# create the second df
df2 = pd.DataFrame({'Rank': [1, 2], '12/8/2017': ['Name_1', 'Name_2'], '12/9/2017': ['Name_3', 'Name_1']})
df2.set_index('Rank', inplace = True)

# reshape to get dates into rows
df2_reshaped = pd.melt(df2, id_vars = ['Rank'], 
                       value_vars = df1.columns, 
                       var_name = 'Date', 
                       value_name = 'Name').drop('Rank', axis = 1)
#print(df2_reshaped)

# create the third df
df3 = pd.DataFrame({'Rank': [1, 2], '12/8/2017': ['10', '20'], '12/9/2017': ['30', '10']})
df3.set_index('Rank', inplace = True)

# reshape to get the dates into rows
df3_reshaped = pd.melt(df3, id_vars = ['Rank'], 
                       value_vars = df1.columns, 
                       var_name = 'Date', 
                       value_name = 'Score').drop('Rank', axis = 1)
#print(df3_reshaped)

# merge the three together. 
# This _assumes_ that the dfs are all in the same order and that all the data matches up.
merged_df = pd.DataFrame([df1_reshaped['Date'], df1_reshaped['Code'], df2_reshaped['Name'], df3_reshaped['Score']]).T
print(merged_df)

# group by code, name, and date; sum the scores together if multiple exist for a given code-name-date grouping
grouped_df = merged_df.groupby(['Code', 'Name', 'Date']).sum().sort_values('Score', ascending = False)
print(grouped_df)

summed_df = merged_df.drop('Date', axis = 1) \
    .groupby(['Code', 'Name']).sum() \
    .sort_values('Score', ascending = False).reset_index()
summed_df['li'] = list(zip(summed_df.Name, summed_df.Score))
print(summed_df)

未排序的字典：

d = dict(zip(summed_df.Code, summed_df.li))
print(d)

当然，您可以直接制作 OrderedDict，并且应该：

from collections import OrderedDict
d2 = OrderedDict(zip(summed_df.Code, summed_df.li))
print(d2)

summed_df:

  Code    Name  Score            li
0    3  Name_3     30  (Name_3, 30)
1    1  Name_1     20  (Name_1, 20)
2    2  Name_2     20  (Name_2, 20)

d:

{'3': ('Name_3', 30), '1': ('Name_1', 20), '2': ('Name_2', 20)}

d2，已排序：

OrderedDict([('3', ('Name_3', 30)), ('1', ('Name_1', 20)), ('2', ('Name_2', 20))])

这会将您的 (name, score) 作为一个元组返回，而不是一个列表，但是......它应该有更多的方式。