遍历数据框和字典以更新数据框中的值，以便与 python 匹配字符串

Posted 2023-03-12

【中文标题】遍历数据框和字典以更新数据框中的值，以便与 python 匹配字符串

【英文标题】：iterate through dataframe and dictionary to update values in dataframe for matching strings with python

【发布时间】：2021-10-23 11:03:52

【问题描述】：

我有一本字典：

dict = "name1":["name1_a, "name1_b"], "name2":["name2_a", "name2_b", "name2_c"]

然后我读入一个 .csv 文件作为具有以下结构的数据框：

df = pd.read_csv('file.csv')

Name	Value
"name1"	10
"name1_b"	30
"name2_c"	30

我需要一个函数来遍历数据框和字典，以某种方式在数据框中搜索字典列表中的每个名称（“name1_a”、“name1_b”等）。一旦找到匹配项，比如“name1_b”，它应该将相应的值 (30) 添加到数据框中的“name1”。如果数据框中不存在名称（如示例中的“name2”），则应创建一个新行并分配与“name2_a”+“name2_b”等之和对应的值。

所以结果数据框应该是这样的（“name_1b”的值被添加到“name1”的值中，“name2”被创建并分配了“name2_c”的值）：

Name	Value
"name1"	40
"name1_b"	30
"name2_c"	30
"name2"	30

感谢您的帮助！

【问题讨论】：

你能把这个写成一个工作例子吗……至少是字典和数据框的初始化。我们应该能够复制/粘贴来解决问题。

名字是唯一的吗？例如，“name1”会在“名称”列中出现多次吗？

是的，名称在数据框中是唯一的

数据框中没有“name2_a”，所以我无法分配与“name2_a”+“name2_b”之和对应的值。考虑到dict 中的 name:list_of_names 对，您似乎想将 list_of_names 的值添​​加到 name，不存在的名称默认为 0。

是的@tdelaney我认为你的解释是正确的，因为只有“name2_c”在数据框中，函数必须为“name”创建一个新行并为其分配“name2_c”的值

【参考方案1】：

遍历字典项并从匹配的键和值列表中屏蔽数据框，并使用 .sum() 获取总和值。如果数据框中存在特定名称，只需分配值，否则创建一个新行。

dict_ = "name1":["name1_a", "name1_b"], "name2":["name2_a", "name2_b", "name2_c"]

for k,v in dict_.items():
    mask_list = v + [k]
    sum_value = df[df['Name'].isin(mask_list)]['Value'].sum()

    if k in df['Name'].unique():
        df.loc[df['Name'] == k, 'Value'] = sum_value
    else:
        df.loc[len(df.index)] = [k, sum_value] 

【参考方案2】：

您可以首先尝试通过 dict comprehension 从列表中创建一个键：值对，然后检查 dd 中是否存在“名称”并过滤掉结果，然后使用 @987654322 将“名称”的值替换为它们的值@ 和 assign() 分配更改，然后将此新数据帧附加到原始数据帧中，然后按“名称”分组并计算总和：

d="name1":["name1_a", "name1_b"], "name2":["name2_a", "name2_b", "name2_c"]
dd=i:k for k,v in d.items() for i in v
df=(df.append(df[df['Name'].isin(dd)]
      .assign(Name=lambda x:x['Name'].replace(dd)))
      .groupby('Name',as_index=False).sum())

或

方法相同，但步骤不同：

d="name1":["name1_a", "name1_b"], "name2":["name2_a", "name2_b", "name2_c"]
dd=i:k for k,v in d.items() for i in v
df1=df[df['Name'].isin(dd)]
df1['Name']=df1['Name'].map(dd)
df=df.append(df1,ignore_index=True)
df=df.groupby('Name',as_index=False)['name2'].sum()

df的输出：

    Name        name2
0   name1       40
1   name1_b     30
2   name2       30
3   name2_c     30

注意：不要给python中的dict函数赋值

【参考方案3】：

您可以按名称索引df，并创建一个单独的数据框来保存将添加到 df 的值。 dict 中的一些目标键不会在 df 中，因此需要使用默认值添加它们。它与dict 中的加数列表类似，有些没有值，需要一个默认值。

一旦这两个设置完成，您就可以遍历加数，收集总和并将它们添加到df。

import pandas as pd

df = pd.DataFrame("Name":["name1", "name1_b", "name2_c"],
    "Value":[10, 30, 30])

# map of target:addends to apply to dataframe
mydict = "name1":["name1_a", "name1_b"], "name2":["name2_a", "name2_b", "name2_c"]

# index dataframe by name and default unknown values
df.set_index("Name", inplace=True)
unknowns = pd.DataFrame(index=mydict.keys()-df.index)
unknowns["Value"] = 0
df = df.append(unknowns)
del unknowns

# create dataframe addends, defaulting unknown values
addends_df = pd.DataFrame(index=val for values in mydict.values() 
        for val in values)
addends_df["Value"] = df
addends_df.fillna(0, inplace=True)

# for each target, add the addends
for target, addends in mydict.items():
    df.loc[target] += addends_df.loc[addends].sum()

print(df)

【讨论】：

感谢您的清晰解释！效果很好:)