如何从合并列生成键数组：值答案

【问题标题】：How to generate array of key:values from merging columns如何从合并列生成键数组：值
【发布时间】：2021-06-12 00:20:32
【问题描述】：

需要创建一个新列，它将合并所有月份列并将它们的值显示为键值对数组。

我已经能够合并列：

df["Consumo"] = df.iloc[:,[4,5,6,7,8,9,10,11,12,13,14,15]].values.tolist()

我只是不确定我应该如何首先映射值以排列键值数组。

当然，我可以遍历每一列，然后遍历每一行，但我需要以某种方式保留这些值，然后推入一个数组数组... 我想过这样的事情，我可以保留这个庞大的数组，然后将其推入 df["Consumo"]，这样行吗？

输入数据：

Cód. Perfil Sigla Nome Empresarial ... 2020-10-01 00:00:00 2020-11-01 00:00:00 2020-12-01 00:00:00 ...
3    RGE SUL RGE SUL DISTRIBUIDORA DE ENERGIA S.A. ... 230357.542859 284340.749249 337758.293447 ...

预期输出：

Cód. Perfil Sigla Nome Empresarial Patamar Consumo
3    RGE SUL RGE SUL DISTRIBUIDORA DE ENERGIA S.A.LEVE  [2020-10-01 00:00:00: 375637.681828, 2020-10-01 00:00:00: 350523.989792, 2020-10-01 00:00:00: 314549.742607, ...

【问题讨论】：

标签： python pandas

【解决方案1】：

试试：

df["Consumo"] = df.iloc[:,[4,5,6,7,8,9,10,11,12,13,14,15]].to_dict("records")
df["Consumo"] = df["Consumo"].map(str).str[1:-1]

to_dict 是这里的关键：https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.to_dict.html（您只需要选择正确的输出方向dict）。

然后第二行只是删除环绕 dict 括号。

【讨论】：

【解决方案2】：

您可以对melt、groupby 和apply 进行字典映射。

使用一个简化的例子：

import pandas as pd
df = pd.DataFrame({
    'Perfil': ['SUL', 'ABC'], 'Sigla': ['RGE', 'XYZ'], 'Name': ['SUL', 'ABC'],
    '2020-10-01 00:00:00': [230357.542859, 372356.997901],
    '2020-11-01 00:00:00': [284340.749249, 455408.113981],
    '2020-12-01 00:00:00': [337758.293447, 698728.068559],
})

	Perfil	Sigla	Name	2020-10-01 00:00:00	2020-11-01 00:00:00	2020-12-01 00:00:00
0	SUL	RGE	SUL	230357.542859	284340.749249	337758.293447
1	ABC	XYZ	ABC	372356.997901	455408.113981	698728.068559

非月份列的第一个melt：

non_months = df.columns[0:3] # change as needed for the real data
df = df.melt(id_vars=non_months)

	Perfil	Sigla	Name	variable	value
0	SUL	RGE	SUL	2020-10-01 00:00:00	230357.542859
1	ABC	XYZ	ABC	2020-10-01 00:00:00	372356.997901
2	SUL	RGE	SUL	2020-11-01 00:00:00	284340.749249
3	ABC	XYZ	ABC	2020-11-01 00:00:00	455408.113981
4	SUL	RGE	SUL	2020-12-01 00:00:00	337758.293447
5	ABC	XYZ	ABC	2020-12-01 00:00:00	698728.068559

然后groupby 非月份列和apply 字典映射：

df = (df.groupby(list(non_months))
        .apply(lambda x: dict(zip(x.variable, x.value)))
        .to_frame(name='Consumo'))

Perfil	Sigla	Name	Consumo
ABC	XYZ	ABC	{'2020-10-01 00:00:00': 372356.997901, '2020-1...
SUL	RGE	SUL	{'2020-10-01 00:00:00': 230357.542859, '2020-1...

注意：如果想要稍微好一点的性能，可以replace the dict-zip lambda with Series.to_dict：

lambda x: pd.Series(x.value.values, index=x.variable).to_dict()

【讨论】：

【解决方案3】：

也许有一种更优雅的方法，但是，这个对我有用：

for col in df.iloc[:,[4,5,6,7,8,9,10,11,12,13,14,15]]:
    i = df.columns.get_loc(col)
    for j, row_value in df[col].iteritems():
        if i == 4:
            series.append([{col:row_value}])
        else:
            series[j].append({col:row_value})

df["Consumo"] = series

【讨论】：