使用 pandas 和 python 创建嵌套字典或集合计数器答案

【问题标题】：create nested dictionary or collection counter with pandas and python使用 pandas 和 python 创建嵌套字典或集合计数器
【发布时间】：2018-04-23 16:13:55
【问题描述】：

我想通过分组在python中创建一个嵌套字典或集合

seriesA = ["groupA", "groupA", "groupB", "groupB", "groupC"]
seriesB = ["item1", "item1," "item3", "item1", "item2"]

期望的输出：

{ 'groupA': {'item1': 2},
  'groupB': {'item3': 1}, {'item1':1},
  'groupC': {'item2': 1}}

在 Python 中，是否有更简单的方法，或者我会遍历列出的元组并添加一个集合计数器？

nested_dict["groupA"]["item1"]

...应该返回 2 次。

【问题讨论】：

那是一个无效的字典
您不想在所需的输出中添加'groupB': {'item3': 1, 'item1':1}, 吗？
它会叫什么？具有嵌套键值对或计数器的字典

标签： python pandas dictionary counter

【解决方案1】：

我会使用collections.defaultdict 和collections.Counter：

from collections import defaultdict, Counter
from pprint import pprint

seriesA = ["groupA", "groupA", "groupB", "groupB", "groupC"]
seriesB = ["item1", "item1", "item3", "item1", "item2"]

nested_dict = defaultdict(Counter)

for a,b in zip(seriesA, seriesB):
    nested_dict[a][b] += 1

assert nested_dict["groupA"]["item1"] == 2

【讨论】：

【解决方案2】：

我觉得格式应该是{key:[{ke1:va1,key2:val2}]}

pd.DataFrame([seriesA,seresB]).T.groupby([0,1]).size().groupby(level=0).apply(lambda x : [x.reset_index(level=0,drop=True).to_dict()]).to_dict()
Out[362]: 
{'groupA': [{'item1': 2}],
 'groupB': [{'item1': 1, 'item3': 1}],
 'groupC': [{'item2': 1}]}

【讨论】：

【解决方案3】：

指定的所需输出不是有效的字典。但是，您可以使用itertools.groupby 和collections.Counter 获得类似的有效结果：

seriesA = ["groupA", "groupA", "groupB", "groupB", "groupC"]
seriesB = ["item1", "item1", "item3", "item1", "item2"]

from itertools import groupby
from collections import Counter

myCounts = {k: Counter(map(lambda g: g[1], group)) 
 for k, group in groupby(sorted(zip(seriesA, seriesB)), key=lambda x: x[0])}

print(myCounts)
#{'groupA': Counter({'item1': 2}),
# 'groupB': Counter({'item1': 1, 'item3': 1}),
# 'groupC': Counter({'item2': 1})}

如果您不想在字典中包含 Counters，您可以使用以下方法进行转换：

print({k: dict(v) for k, v in myCounts.items()})
#{'groupA': {'item1': 2},
# 'groupB': {'item1': 1, 'item3': 1},
# 'groupC': {'item2': 1}}

【讨论】：

也许是groupby(sorted(zip(...)), key=...)。这样，无论seriesA 的顺序如何，代码都能正常工作。