多索引熊猫数据框到字典

Posted

技术标签:

【中文标题】多索引熊猫数据框到字典【英文标题】:multi-index pandas dataframe to a dictionary 【发布时间】:2017-12-03 01:17:20 【问题描述】:

我有一个如下的数据框:

raw_data = 'regiment': ['Nighthawks', 'Nighthawks', 'Nighthawks', 'Nighthawks', 'Dragoons', 'Dragoons', 'Dragoons', 'Dragoons', 'Scouts', 'Scouts', 'Scouts', 'Scouts'],
    'company': ['1st', '1st', '2nd', '2nd', '1st', '1st', '2nd', '2nd','1st', '1st', '2nd', '2nd'],
    'name': ['Miller', 'Jacobson', 'Ali', 'Milner', 'Cooze', 'Jacon', 'Ryaner', 'Sone', 'Sloan', 'Piger', 'Riani', 'Ali'],
    'preTestScore': [4, 24, 31, 2, 3, 4, 24, 31, 2, 3, 2, 3],
    'postTestScore': [25, 94, 57, 62, 70, 25, 94, 57, 62, 70, 62, 70]

df = pd.DataFrame(raw_data, columns = ['regiment', 'company', 'name', 'preTestScore', 'postTestScore'])

如果我按两列分组并计算大小,

df.groupby(['regiment','company']).size()

我得到以下信息:

regiment    company
Dragoons    1st        2
            2nd        2
Nighthawks  1st        2
            2nd        2
Scouts      1st        2
            2nd        2
dtype: int64

我想要的输出是一个字典,如下所示:

'Dragoons':'1st':2,'2nd':2,
 'Nighthawks': '1st':2,'2nd':2, 
  ... 

我尝试了不同的方法,但无济于事。有没有相对干净的方法来实现上述目标?

非常感谢您!!!!

【问题讨论】:

【参考方案1】:

您可以添加Series.unstackDataFrame.to_dict

d = df.groupby(['regiment','company']).size().unstack().to_dict(orient='index')
print (d)
'Dragoons': '2nd': 2, '1st': 2, 
 'Nighthawks': '2nd': 2, '1st': 2, 
 'Scouts': '2nd': 2, '1st': 2

另一个解决方案,与另一个答案非常相似:

from collections import Counter

df = i: dict(Counter(x['company'])) for i, x in df.groupby('regiment')
print (df)
'Dragoons': '2nd': 2, '1st': 2, 
'Nighthawks': '2nd': 2, '1st': 2, 
'Scouts': '2nd': 2, '1st': 2

但是如果使用第一个解决方案,NaNs 会有问题(这取决于数据)

示例:

raw_data = 'regiment': ['Nighthawks', 'Nighthawks', 'Nighthawks', 'Nighthawks', 'Dragoons', 'Dragoons', 'Dragoons', 'Dragoons', 'Scouts', 'Scouts', 'Scouts', 'Scouts'],
    'company': ['1st', '1st', '2nd', '2nd', '1st', '1st', '2nd', '2nd','1st', '1st', '2nd', '3rd'],
    'name': ['Miller', 'Jacobson', 'Ali', 'Milner', 'Cooze', 'Jacon', 'Ryaner', 'Sone', 'Sloan', 'Piger', 'Riani', 'Ali'],
    'preTestScore': [4, 24, 31, 2, 3, 4, 24, 31, 2, 3, 2, 3],
    'postTestScore': [25, 94, 57, 62, 70, 25, 94, 57, 62, 70, 62, 70]

df = pd.DataFrame(raw_data, columns = ['regiment', 'company', 'name', 'preTestScore', 'postTestScore'])
print (df)
      regiment company      name  preTestScore  postTestScore
0   Nighthawks     1st    Miller             4             25
1   Nighthawks     1st  Jacobson            24             94
2   Nighthawks     2nd       Ali            31             57
3   Nighthawks     2nd    Milner             2             62
4     Dragoons     1st     Cooze             3             70
5     Dragoons     1st     Jacon             4             25
6     Dragoons     2nd    Ryaner            24             94
7     Dragoons     2nd      Sone            31             57
8       Scouts     1st     Sloan             2             62
9       Scouts     1st     Piger             3             70
10      Scouts     2nd     Riani             2             62
11      Scouts     3rd       Ali             3             70

df1 = df.groupby(['regiment','company']).size().unstack()
print (df1)
company     1st  2nd  3rd
regiment                 
Dragoons    2.0  2.0  NaN
Nighthawks  2.0  2.0  NaN
Scouts      2.0  1.0  1.0

d = df1.to_dict(orient='index')
print (d)
'Dragoons': '3rd': nan, '2nd': 2.0, '1st': 2.0, 
'Nighthawks': '3rd': nan, '2nd': 2.0, '1st': 2.0, 
'Scouts': '3rd': 1.0, '2nd': 1.0, '1st': 2.0

那么就要用到了:

d = i: dict(Counter(x['company'])) for i, x in df.groupby('regiment')
print (d)
'Dragoons': '2nd': 2, '1st': 2, 
'Nighthawks': '2nd': 2, '1st': 2,
 'Scouts': '3rd': 1, '2nd': 1, '1st': 2

或另一个John Galt 答案。

【讨论】:

我在第一个答案中发现问题 - 仅适用于所有类别(如您的示例数据中)。所以更一般的是第二个答案或其他解决方案...... 我明白了。我最终采用了第二种解决方案,因为它不会产生带有 nans 的密钥。【参考方案2】:

您可以在分组后重置索引并根据需要旋转数据。下面的代码给出了所需的输出。

df = df.groupby(['regiment','company']).size().reset_index()
print(pd.pivot_table(df, values=0, index='regiment', columns='company').to_dict(orient='index'))

输出:

'Nighthawks': '2nd': 2, '1st': 2, 'Scouts': '2nd': 2, '1st': 2, 'Dragoons': '2nd': 2, '1st': 2

【讨论】:

【参考方案3】:

如何创建具有组理解的字典。

In [409]: g:v['company'].value_counts().to_dict() for g, v in df.groupby('regiment')
Out[409]:
'Dragoons': '1st': 2, '2nd': 2,
 'Nighthawks': '1st': 2, '2nd': 2,
 'Scouts': '1st': 2, '2nd': 2

【讨论】:

以上是关于多索引熊猫数据框到字典的主要内容,如果未能解决你的问题,请参考以下文章

如何在嵌套字典中按元素访问熊猫多索引?

从嵌套字典构造熊猫多索引数据框

熊猫数据框检查索引是不是存在于多索引中

如何重新索引多索引熊猫数据框?

如何更改熊猫数据框中多索引的外层索引?

删除每个索引的多索引熊猫数据帧的最低五个值