通过按 python 中数据框列中的值分组来创建字典

Posted 2023-03-11

【中文标题】通过按 python 中数据框列中的值分组来创建字典

【英文标题】：Create a dictionary by grouping by values from a dataframe column in python

【发布时间】：2018-01-22 15:20:02

【问题描述】：

我有一个 7 列的数据框，如下：

  Bank_Acct Firstname | Bank_Acct Lastname | Bank_AcctNumber   | Firstname | Lastname | ID | Date1    | Date2
    B1                  | Last1              | 123               | ABC       | EFG      | 12 | Somedate | Somedate
    B2                  | Last2              | 245               | ABC       | EFG      | 12 | Somedate | Somedate
    B1                  | Last1              | 123               | DEF       | EFG      | 12 | Somedate | Somedate
    B3                  | Last3              | 356               | ABC       | GHI      | 13 | Somedate | Somedate
    B4                  | Last4              | 478               | XYZ       | FHJ      | 13 | Somedate | Somedate
    B5                  | Last5              | 599               | XYZ       | DFI      | 13 | Somedate | Somedate

我想创建一个字典：

 ID1: (Count of Bank_Acct Firstname, Count of distinct Bank_Acct Lastname, 
        Bank_AcctNumber1 : ItsCount, Bank_AcctNumber2 : ItsCount, 
         Count of distinct Firstname, Count of distinct Lastname), 
  ID2: (...), 

对于上面的例子：

12: (2, 2, 123: 2, 245: 1, 2, 1), 13 : (3, 3, 356: 1, 478: 1, 599: 1, 2, 3)

下面是代码：

cols = ['Bank First Name', 'Bank Last Name' 'Bank AcctNumber', 'First Name', 'Last Name']
    df1 = df.groupby('ID').apply(lambda x: tuple(x[c].nunique() for c in cols))
    d = df1.to_dict()

但上面的代码只给出了输出：

 12: (2, 2, 2, 2, 1), 13 : (3, 3, 3, 2, 3)

给出不同银行账户号码的计数，而不是内部字典。

如何获取所需的字典？谢谢！！

【参考方案1】：

您可以在列表中定义列和函数

In [15]: cols = [
     ...:     'col': 'Bank_Acct Firstname', 'func': pd.Series.nunique,
     ...:     'col': 'Bank_Acct Lastname', 'func': pd.Series.nunique,
     ...:     'col': 'Bank_AcctNumber', 'func': lambda x: x.value_counts().to_dict(),
     ...:     'col': 'Firstname', 'func': pd.Series.nunique,
     ...:     'col': 'Lastname', 'func': pd.Series.nunique
     ...:     ]

In [16]: df.groupby('ID').apply(lambda x: tuple(c['func'](x[c['col']]) for c in cols))
Out[16]:
ID
12            (2, 2, 123: 2, 245: 1, 2, 1)
13    (3, 3, 356: 1, 478: 1, 599: 1, 2, 3)
dtype: object

In [17]: (df.groupby('ID')
            .apply(lambda x: tuple(c['func'](x[c['col']]) for c in cols))
            .to_dict())
Out[17]:
12: (2, 2, 123: 2, 245: 1, 2, 1),
 13: (3, 3, 356: 1, 478: 1, 599: 1, 2, 3)

【讨论】：

这可行，但速度极慢。有什么方法可以让这更快吗？我有一个巨大的数据框。