以列为字典的 Pandas 数据透视表答案

【问题标题】：Pandas pivot table with column as dictionary以列为字典的 Pandas 数据透视表
【发布时间】：2020-06-13 07:44:25
【问题描述】：

我有一个看起来像这样的数据框。只有order 是唯一的。

vendor  order order_class    time
33       33     42        22/12/2018
33       39     189       25/12/2018
35       197    91        19/01/2019
35       22     189       18/12/2018
35       11     189       30/11/2018

如何将我的数据框旋转为如下所示，其中键为 order_class，值为 [(order1, time1), (order2, time2)]

vendor   dict
33       {42 : [(33, 25/12/2018)], 189 : [(39, 25/12/2018)]}
35       {91 : [(197, 19/01/2019)], 189: [(22, 18/12/2018), (11, 30/11/2018)]}

*已编辑

一个订单类可以有多个（订单、时间）值，这些值需要存储在一个列表中。

【问题讨论】：

标签： pandas dataframe dictionary pivot

【解决方案1】：

使用groupby、agg 和zip 的替代方法：

d1 = df.groupby(['vendor', 'order_class']).agg(list).reset_index(level=1)
d2 = d1.apply(lambda s: {s['order_class']: list(zip(s['order'], s['time']))}, axis=1)
d2 = d2.groupby(level=0).agg(lambda s: {k:v for d in s for k, v in d.items()}).rename('_dict').reset_index()

 #print(d2)
vendor   dict
33       {42 : [(33, 22/12/2018)], 189 : [(39, 25/12/2018)]}
35       {91 : [(197, 19/01/2019)], 189: [(22, 18/12/2018), (11, 30/11/2018)]}

【讨论】：

@MrSoLoDoLo 编辑了代码以反映您的要求。

【解决方案2】：

   #Create tuple of order and time

df['dict']=[[x] for x in tuple(zip(df['order'], df['time']))]


#Use groupby, apply .agg(dict) and drop unrequired columns

df.set_index('order_class').groupby('vendor').agg(dict).drop(columns=['time','order']).reset_index()



    vendor     dict
0   33         {42: [(33, '22/12/2018')], 189: [(39, '25/12/2...
1   35         {91: [(197, '19/01/2019')], 189: [[(22, '18/12...

【讨论】：

我意识到一个订单类可以有多个订单，因此字典的值必须存储在包含元组对的列表中。我如何反映这种变化？

【解决方案3】：

这是一种可能的方法，通过压缩 3 列并创建一个 dict，然后使用 chain 我们可以将它们聚合在一起，在 vendor 列上分组：

from itertools import chain
f = lambda x: dict(chain(*map( dict.items, x)))

l = [{a:(b,c)} for a,b,c in zip(df['order_class'],df['order'],df['time'])]
pd.Series(l,name='dict_').groupby(df['vendor']).agg(f).reset_index()

   vendor                                              dict_
0      33  {42: (33, '22/12/2018'), 189: (39, '25/12/2018')}
1      35  {91: (197, '19/01/2019'), 189: (22, '18/12/201...

【讨论】：