根据区域分组不同的地址，Python

Question

我在 SO 上搜索了此类问题，但它们有些不同，无法帮助我得出结论。我有一个包含 2 列“区域”和“地址”的数据框。在 1000 个观测值中，有 322 个独特的区域。

我的目标是实际存储与一个 Area 对应的所有地址词。我曾尝试使用 dict 等，但后来这些变得太复杂了。熊猫一定有一些简单的东西。
这是我的数据：

Sr.no     Area                Address
  1      vasanth nagar        cant railway station
  2      mahadevapura         akme ballet d1001 outer ring road
  3      whitefield           villa no 106/107 palm medose 
  4      whitefield           fortune hotel,room 4112 opposite sap labs,
  5      vasanth nagar        station cantonment

我想要的是对所有与 whitefield 一起出现的单词进行分组，例如“别墅、不、棕榈、财富、酒店、sap 实验室……等”等等。我希望它采用列表格式，但由于我现在无处可去，任何类型的分组都可以将属于每个唯一区域的所有地址分配到一起。请注意，我有数千个观察结果，因此不应对其进行硬编码。
最后，我自己做了什么？？这就是一切：

area_ref = data['Area'].sort_index()
area_ref2=set(area_ref)
from collections import defaultdict

grouped = defaultdict(list)
for row in data:
    grouped[row['Area']].append(row['Address'])
        #dint work . error that index should be int , not string.

subset = data[['Area','Address']]
tuples1 = [tuple(x) for x in subset.values]
from collections import defaultdict
res = defaultdict(list)
for v, k in tuples1: res[k].append(v)
di2=[{'type':k, 'items':v} for k,v in res.items()] 
#this last one gave me a really bad dictionary.

这应该不复杂。有一些更好的方法。会是什么？

Answer 1

import pandas as pd
def collect_to_set(grp):                               # 3
    return set.union(*[set(row.split()) for row in grp['Address']])

data = pd.read_table('data', sep='\s{2,}')             # 1
result = data.groupby(['Area']).apply(collect_to_set)  # 2
print(result)                                          # 4
# Area
# mahadevapura         set([ballet, outer, road, ring, d1001, akme])
# vasanth nagar            set([cant, station, railway, cantonment])
# whitefield       set([hotel,room, sap, fortune, villa, no, oppo...
# dtype: object

print(result.to_dict())                                # 5
# {'vasanth nagar': set(['cant', 'station', 'railway', 'cantonment']),
# 'mahadevapura': set(['ballet', 'outer', 'road', 'ring', 'd1001', 'akme']),
# 'whitefield': set(['hotel,room', 'sap', 'fortune', 'villa', 'no', 'opposite',
# 'palm', 'labs,', '4112', 'medose', '106/107'])}

1. 我使用read_table 将您的数据sn-p 加载到DataFrame 中。 既然你已经有data 作为一个DataFrame，你当然不会 需要这条线。
2. 这是主线。它将data 按Area 分组，然后调用 每个组的collect_to_set 函数grp。
3. 在collect_to_set 中，grp 是data 的子DataFrame（与所有 具有相同Area 的行）。它返回一个 set 的所有单词 grp['Address'] 的行。
4. result 是 Series。
5. 如果您想要一个字典，请使用result.to_dict()。

Answer 2

将您的条目制作成元组。如下所示。并运行排序方法。

d=(('vasanth nagar','cant railway station'),
('mahadevapura','akme ballet d1001 outer ring road'),
('whitefield','villa no 106/107 palm medose '),
('whitefield','fortune hotel,room 4112 opposite sap labs,'),
('vasanth nagar','station cantonment'))

for i in sorted(d):
    print i[0],"     ",i[1]