如何将 Pandas DataFrame 与列表的字典合并答案

【问题标题】：How to merge Pandas DataFrame with dict of lists如何将 Pandas DataFrame 与列表的字典合并
【发布时间】：2019-04-28 01:21:03
【问题描述】：

像这样合并df 的最佳方法是什么：

+------------+----------+
| domain     | username |
+------------+----------+
| @gmail.com | gagaga   |
+------------+----------+
| @mail.com  | bobo     |
+------------+----------+

使用这样的字典：

domain_to_app = {
    '@gmail.com': ['gmail', 'youtube', 'gdrive'],
    '@mail.com': ['email', 'dropbox']
}

得到这个：

+------------+----------+-----------+
| domain     | username | app       |
+------------+----------+-----------+
| @gmail.com | gagaga   | gmail     |
+------------+----------+-----------+
| @gmail.com | gagaga   | youtube   |
+------------+----------+-----------+
| @gmail.com | gagaga   | gdrive    |
+------------+----------+-----------+
| @mail.com  | bobo     | email     |
+------------+----------+-----------+
| @mail.com  | bobo     | dropbox   |
+------------+----------+-----------+

是否建议将dict 转换为具有重复行的df 并使用merge，或者我应该使用map 然后unstack the app column？

【问题讨论】：

标签： python pandas dataframe

【解决方案1】：

您可以将map 用于新的Series，然后将chain.from_iterable 与repeat 用于新的DataFrame：

s = df['domain'].map(domain_to_app)

from itertools import chain

lens = s.str.len()
df = pd.DataFrame({
    'domain' : df['domain'].values.repeat(lens),
    'username' : df['username'].values.repeat(lens),
     'app' : list(chain.from_iterable(s))
})

print (df)
       domain username      app
0  @gmail.com   gagaga    gmail
1  @gmail.com   gagaga  youtube
2  @gmail.com   gagaga   gdrive
3   @mail.com     bobo    email
4   @mail.com     bobo  dropbox

如果需要重复多个列，则从 mapped 值创建 DaatFrame，通过 stack 重塑并通过 join '重复'：

df['app'] = df['domain'].map(domain_to_app)

df = (df.join(pd.DataFrame(df.pop('app')
                            .values.tolist())
               .stack()
               .reset_index(level=1, drop=True)
               .rename('app'))).reset_index(drop=True)
print (df)
       domain username      app
0  @gmail.com   gagaga    gmail
1  @gmail.com   gagaga  youtube
2  @gmail.com   gagaga   gdrive
3   @mail.com     bobo    email
4   @mail.com     bobo  dropbox

【讨论】：

从来不知道你可以使用s.str.len() 来获取每个系列项目的长度，我一直在使用s.apply(len)
s.apply(len) 虽然快了大约 10%
@iamanigeeit - 是的，区别在于 .apply(len) 不能与 NaN 一起使用 :)
嗯嗯好的。我以为s.str 只用于字符串操作。

【解决方案2】：

试试这个，

df2= pd.DataFrame.from_dict(domain_to_app,orient='index').unstack().reset_index()
result= pd.merge(df1,df2[df2[0].notnull()],left_on=['domain'],right_on=['level_1'])
result=result[['domain','username',0]].rename(columns={0:'app'})
print result

输出：

       domain username      app
0  @gmail.com   gagaga    gmail
1  @gmail.com   gagaga  youtube
2  @gmail.com   gagaga   gdrive
3   @mail.com     bobo    email
4   @mail.com     bobo  dropbox

解释：

从您的字典中创建数据框，执行pd.merge，然后根据需要清理数据框。

【讨论】：