从 Pandas 高效创建字典的 Pythonic 方法答案

【问题标题】：Pythonic way to efficient create dictionaries from Pandas从 Pandas 高效创建字典的 Pythonic 方法
【发布时间】：2021-03-13 02:07:50
【问题描述】：

我有一个 Pandas 数据框，其中包含 id、date_created、rank_1、rank_2、rank_3 列。下面显示了 2 行数据框。

id	date_created	rank_1	rank_2	rank_3
2223	3/3/21 3:26	www.google.com	www.yahoo.com	www.ford.com
1112	2/25/21 1:35	www.autoblog.com	www.motor1.com	www.webull.com

我正在尝试为此 df 分配一个新列并将其命名为 rank_dict，这会将编号 3 分配给 rank_1 URL，将编号 2 分配给 rank_2 URL，将编号 1 分配给 rank_3 URL。所以理想的结果应该是这样的：

id	date_created	rank_1	rank_2	rank_3	rank_dict
2223	3/3/21 3:26	www.google.com	www.yahoo.com	www.ford.com	{www.google.com:3, www.yahoo.com:2, www.ford.com:1}
1112	2/25/21 1:35	www.autoblog.com	www.motor1.com	www.webull.com	{www.autoblog.com:3, www.motor1.com:2, www.webull.com:1}

如果不是 Pandas df，我知道该怎么做。例如，如果我有这些键值列表：

keys = ['www.google.com','www.yahoo.com','www.ford.com']

values = [3, 2, 1]

我可以通过res_dict = dict(zip(keys, values)) 将其转换为字典：{'www.google.com': 3, 'www.yahoo.com': 2, 'www.ford.com': 1}。

但我想不出在 Pandas df 中执行此字典创建的优雅方法。谁能帮帮我？

【问题讨论】：

标签： python pandas dictionary ranking recommendation-engine

【解决方案1】：

一种方法是apply 并使用enumerate 来获取枚举：

df['rank_dict'] = (df.filter(like='rank_')
                     .apply(lambda x: {v:3-k for k,v in enumerate(x)}, axis=1)
                  )

输出：

     id   date_created             rank_1           rank_2          rank_3                                          rank_dict
0  2223   3/3/21 3:26     www.google.com    www.yahoo.com     www.ford.com  {'www.google.com': 3, 'www.yahoo.com': 2, 'w...'
1  1112  2/25/21 1:35   www.autoblog.com   www.motor1.com   www.webull.com  {'www.autoblog.com': 3, 'www.motor1.com': 2,...'

【讨论】：