使用 Pandas 在列中循环字典

Posted 2023-03-11

【中文标题】使用 Pandas 在列中循环字典

【英文标题】：Looping dictionary through column using Pandas

【发布时间】：2018-12-30 13:08:00

【问题描述】：

我有一个数据框，其中有一列名为“输入”，由各种数字组成。

我创建了一个看起来像这样的字典

sampleDict = 
    "a" : ["123","456"],
    "b" : ["789","272"]

我正在尝试针对这本字典循环遍历“输入”列。如果找到字典中的任何值（123、789 等），我想在我的数据框中创建一个新列来表示它的找到位置。

例如，当在“输入”中找到 456 时，我想创建名为“found”的列，其中值为“a”。在输入中找到 789 时，该值为“b”。

我尝试了以下代码，但我的逻辑似乎不正确：

for key in sampleDict:
    for p_key in df['Input']:
           if code in p_key:
                if code in sampleDict[key]:
                    df = print(code)
print(df)

【参考方案1】：

使用列表推导创建掩码，然后将列表转换为数组并掩码搜索数组中的真实值

sampleDict = 
    "a" : ["123","456"],
    "b" : ["789","272"]


search=['789','456','100']

#https://www.techbeamers.com/program-python-list-contains-elements/
#https://***.com/questions/10274774/python-elegant-and-efficient-ways-to-mask-a-list

for key,item in sampleDict.items():
   print(item)
   mask=[]
   [mask.append(x in search) for x in item]
   arr=np.array(item)
   print(arr[mask])

【参考方案2】：

您可以使用collections.defaultdict 构造列表值到键的映射。来自@jezrael 的数据。

from collections import defaultdict

d = defaultdict(list)

for k, v in sampleDict.items():
    for w in v:
        d[w].append(k)

print(d)

defaultdict(list,
            '123': ['a'], '272': ['b'], '456': ['a'], '789': ['a', 'b'])

然后使用pd.Series.map 将输入映射到新系列中的键：

df = pd.DataFrame('Input':['789','456','100'])
df['found'] = df['Input'].map(d)

print(df)

  Input   found
0   789  [a, b]
1   456     [a]
2   100     NaN

【参考方案3】：

通过扁平列表将map 用于字典，只需要列表中的所有值都是唯一的：

d = k: oldk for oldk, oldv in sampleDict.items() for k in oldv
print (d)
'123': 'a', '456': 'a', '789': 'b', '272': 'b'

df = pd.DataFrame('Input':['789','456','100'])
df['found'] = df['Input'].map(d)
print (df)
  Input found
0   789     b
1   456     a
2   100   NaN

如果lists 中的重复值可能使用聚合，例如join 第一步，map Series：

sampleDict = 
    "a" : ["123","456", "789"],
    "b" : ["789","272"]



df1 = pd.DataFrame([(k,  oldk) for oldk, oldv in sampleDict.items() for k in oldv], 
                    columns=['a','b'])
s = df1.groupby('a')['b'].apply(', '.join)
print (s)
a
123       a
272       b
456       a
789    a, b
Name: b, dtype: object

df = pd.DataFrame('Input':['789','456','100'])
df['found'] = df['Input'].map(s)
print (df)
  Input found
0   789  a, b
1   456     a
2   100   NaN