将选定的数据框列转换为矢量表示（包括重复值）

Question

我有以下数据框 (product.csv)，我想将其转换为矢量表示：

product_id,value
111,3000
121,2500
131,3500
141,1000
111,3300
151,2000
161,2300
171,1300
181,1500
191,4500
121,6000
121,1100

我的预期输出应该包括所有行，包括重复的 product_ids，并且是一个向量形式，如下所示：

[111:3000; 121:2500； 131:3500； 141:1000; 111:3300； 151:2000； 161:2300； 171:1300； 181:1500； 191:4500； 121:6000； 121:1100]

这是我迄今为止尝试过的：

import pandas as pd

df = pd.read_csv('product.csv') #, index_col=0, sep=','

my_dict_indx = df.set_index('product_id')['value'].to_dict()
print(my_dict_indx)

my_dict_zip = dict(zip(df.product_id, df.value))
print(my_dict_zip)

my_dict_groupby = df.groupby(level=0).apply(lambda x: x.to_dict('r')).to_dict()
print(my_dict_groupby)

但是，my_dict_indx = df.set_index('product_id')['value'].to_dict() 和 my_dict_zip = dict(zip(df.product_id, df.value)) 都给了我以下输出，但排除了重复的 product_ids 111 和 121，不返回正确的顺序（例如，输出以 161:2300 而不是 111:3000 开头）：

{161: 2300, 131: 3500, 171: 1300, 141: 1000, 111: 3300, 181: 1500, 151：2000、121：1100、191：4500}

另一方面，my_dict_groupby = df.groupby(level=0).apply(lambda x: x.to_dict('r')).to_dict() 在下面给出了正确的记录数和正确的顺序，但包括不必要的列索引、列名，并且没有向量表示。

{0: [{'product_id': 111, 'value': 3000}], 1: [{'product_id': 121, '值'：2500}]，2：[{'product_id'：131，'值'：3500}]，3： [{'product_id': 141, 'value': 1000}], 4: [{'product_id': 111, 'value': 3300}]，5：[{'product_id'：151，'value'：2000}]，6：[{'product_id'： 161，'值'：2300}]，7：[{'product_id'：171，'值'：1300}]，8： [{'product_id': 181, 'value': 1500}], 9: [{'product_id': 191, 'value': 4500}], 10: [{'product_id': 121, 'value': 6000}], 11: [{'product_id': 121，'值'：1100}]}

如何增强我的解决方案，以 [] 向量形式而不是 {} 字典形式实现我的预期输出。提前致谢。

Answer 1

我会创建一个字符串数组，因为这是支持您想要的输出格式的唯一方法。然后你可以简单地使用.values 从熊猫系列中获取列/数组

df['output_col'] = (df['product_id'].astype(str) + ':' + df['value'].astype(str)).values

输出：

array(['111:3000', '121:2500', '131:3500', '141:1000', '111:3300',
       '151:2000', '161:2300', '171:1300', '181:1500', '191:4500',
       '121:6000', '121:1100'], dtype=object)

如果您希望将其作为列表而不是数组，只需在 .values 方法后添加 .tolist()。最后，请记住，在 Python 中，, 用于分隔数组/列表中的元素，而不是 ;