我们如何根据某些规则从数据框列中的字典列表中获取最佳键值对？答案

【问题标题】：How do we get an optimum key value pair from a list of dictionaries in a dataframe column based on certain rules?我们如何根据某些规则从数据框列中的字典列表中获取最佳键值对？
【发布时间】：2021-11-15 20:43:54
【问题描述】：

我有以下数据框：

不同的“类型”可以同时出现在“时间”，但只需要根据以下条件获取“类型”和“值”即可：

优先级1：类型重要性为t>o>f
优先级 2：值列中要考虑的最高值

我尝试过使用 groupby 和字典：

grp = merged_df.groupby(['name','time'],as_index=False)[['type','value']].apply(lambda x: dict(x.values.tolist()))

这给出了这样的输出：

有没有什么办法可以根据上面两条规则得到最优的键值对，这样输出就可以了：

以上是我尝试过的一种方法，这就是为什么问题是关于字典中的最佳键值对的原因。但是，任何其他更优雅的方法也可以。

最终结果应该是：

【问题讨论】：

标签： python pandas dictionary group-by key-value

【解决方案1】：

以下答案可能不是那么优雅，因为：1. 它需要您事先创建一个字典，在其中映射优先级 1 (t > o > f) 和 2. 绕过使用字典但应该完成工作：

首先，根据优先级1创建一个字典，并使用它创建一个基于'type'的新映射列：

prio_dic = {'t':'3', 'o':'2', 'f':'1'}
data["coded_type"] = data["type"].map(prio_dic)

最后，首先使用新列 'coded_type' 对值进行排序，然后使用新列 'value' 对值进行排序，像您所做的那样按 'name' 和 'time' 分组，并获取每个组的第一个元素：

res = data.sort_values(['coded_type', 'value', ], ascending=False).groupby(['name', 'time'], as_index=False).first()

不幸的是，这需要删除新列的额外步骤：

res.drop('coded_type', axis=1)

【讨论】：