【问题标题】:pandas - create key value pair from grouped by data framepandas - 根据数据框分组创建键值对
【发布时间】:2017-10-22 20:22:34
【问题描述】:

我有一个包含三列的数据框,我想在第一列和第二列上应用 groupby 函数后创建一个字典。我可以通过 for 循环来做到这一点,但是有什么 pandas 方法吗?

数据帧:

Col X    Col Y    Sum
 A         a       3
 A         b       2
 A         c       1
 B         p       5
 B         q       6
 B         r       7  

在 Col X 和 Col Y 上分组后:df.groupby(['Col X','Col Y']).sum()

                  Sum
Col X    Col Y    
 A         a       3
           b       2
           c       1
 B         p       5
           q       6
           r       7 

我要创建的字典

{A:{'a':3,'b':2,'c':1}, B:{'p':5,'q':6,'r':7}}

【问题讨论】:

  • 你不需要groupby() - df.set_index(['Col X', 'Col Y']) 应该可以工作。
  • 是的,它奏效了。谢谢:)

标签: python pandas dataframe


【解决方案1】:

在通过groupby 对象进行迭代时使用字典理解

{name: dict(zip(g['Col Y'], g['Sum'])) for name, g in df.groupby('Col X')}

{'A': {'a': 3, 'b': 2, 'c': 1}, 'B': {'p': 5, 'q': 6, 'r': 7}}

如果你坚持在某处使用to_dict,你可以这样做:

s = df.set_index(['Col X', 'Col Y']).Sum
{k: s.xs(k).to_dict() for k in s.index.levels[0]}

{'A': {'a': 3, 'b': 2, 'c': 1}, 'B': {'p': 5, 'q': 6, 'r': 7}}

请记住,to_dict 方法只是在底层使用了一些理解。如果您有一个特殊的用例,需要的东西超出了orient 选项所提供的功能……构建您自己的理解并不可耻。

【讨论】:

  • 谢谢,它成功了。我想知道,如果我们可以做一些像 df.to_dict()
【解决方案2】:

您可以遍历MultiIndex 系列:

>>> s = df.set_index(['ColX', 'ColY'])['Sum']
>>> {k: v.reset_index(level=0, drop=True).to_dict() for k, v in s.groupby(level=0)}
{'A': {'a': 3, 'b': 2, 'c': 1}, 'B': {'p': 5, 'q': 6, 'r': 7}}

【讨论】:

    【解决方案3】:
    #A to_dict() solution
    
    d = df.groupby(['Col X','Col Y']).sum().reset_index().pivot(columns='Col X',values='Sum').to_dict()
    
    Out[70]: 
    {'A': {0: 3.0, 1: 2.0, 2: 1.0, 3: nan, 4: nan, 5: nan},
     'B': {0: nan, 1: nan, 2: nan, 3: 5.0, 4: 6.0, 5: 7.0}}
    
    #if you need to get rid of the nans:
    {k1:{k2:v2 for k2,v2 in v1.items() if pd.notnull(v2)} for k1,v1 in d.items()}
    Out[73]: {'A': {0: 3.0, 1: 2.0, 2: 1.0}, 'B': {3: 5.0, 4: 6.0, 5: 7.0}}
    

    【讨论】:

      猜你喜欢
      • 2022-12-09
      • 1970-01-01
      • 2022-08-23
      • 2022-01-08
      • 1970-01-01
      • 2021-05-03
      • 2016-05-31
      • 1970-01-01
      • 2012-11-06
      相关资源
      最近更新 更多