从df创建字典的正确方法或计算jaccard相似度的方法答案

【问题标题】：A proper way to create dictionary from df or the way for computing jaccard similarity从df创建字典的正确方法或计算jaccard相似度的方法
【发布时间】：2019-07-10 09:47:51
【问题描述】：

我有一个超过 8000 列的 df。每列（除了第一列）代表二进制值 0 或 1。

|Name| t1| t2| t3|...| t4|  
| ..aa.. | 0 | 0 | 1 |...| 0 |  
| ..bb.. | 0 | 0 | 0 |...| 0 |  
| ..cc.. | 1 | 0 | 0 |...| 0 |

我的目标是计算 aa,bb,cc 之间的 jaccard 索引，以便我需要存储在列表中的值，这就是我要使用字典的原因。

字典必须如下所示：

{'aa': [0,0,1,...,0], 'bb': [0,0,0,...,0],...}

当 dict key=df index and value 是表示为列表的行时，我怎样才能达到这样的结果？

【问题讨论】：

index 或Name 列（毕竟）？
@RomanPerekhrest 索引是名称列

标签： python pandas dictionary

【解决方案1】：

您可以通过压缩Name 列和数据框的其余部分并从结果元组中调用dict 构造函数来构建字典：

dict(zip(df.Name, df.loc[:,'t1':].values.tolist()))
# dict(zip(df.index, df.loc[:,'t1':].values.tolist())) # if name is the index
# {'aa': [0, 0, 1, 0], 'bb': [0, 0, 0, 0], 'cc': [1, 0, 0, 0]}

输入数据：

   Name    t1     t2     t3     t4
0   aa      0      0      1      0
1   bb      0      0      0      0
2   cc      1      0      0      0

【讨论】：

【解决方案2】：

另一种方法：

{k: list(v.values()) for k, v in df.set_index('Name').to_dict('index').items()}

【讨论】：

【解决方案3】：

将Name 设置为索引并转置然后执行.to_dict()：

df.set_index('Name').T.to_dict('list')

如果 Name 是索引，就这样做：

df.T.to_dict('list')

{'aa': [0, 0, 1, 0], 'bb': [0, 0, 0, 0], 'cc': [1, 0, 0, 0]}

【讨论】：