Python Pandas：如何在数据框的列中拆分已排序的字典

Posted 2023-03-11

【中文标题】Python Pandas：如何在数据框的列中拆分已排序的字典

【英文标题】：Python Pandas: How to split a sorted dictionary in a column of a dataframe

【发布时间】：2015-06-26 21:19:40

【问题描述】：

我有一个这样的数据框：

id  asn      orgs
0   3320    'Deutsche Telekom AG': 2288
1   47886   'Joyent': 16, 'Equinix (Netherlands) B.V.': 7
2   47601   'fusion services': 1024, 'GCE Global Maritime':16859  
3   33438   'Highwinds Network Group': 893

我想对实际上是字典的“orgs”列进行排序，然后提取在两个不同列中具有最高值的 pair(k,v)。像这样：

id  asn      org                      value
0   3320    'Deutsche Telekom AG'     2288
1   47886   'Joyent'                  16
2   47601   'GCE Global Maritime'     16859 
3   33438   'Highwinds Network Group' 893

目前我正在运行此代码，但它没有正确排序，然后我不确定如何提取具有最高值的对。

df.orgs.apply(lambda x : sorted(x.items(),key=operator.itemgetter(1),reverse=True))

这给了我一个这样的清单：

id  asn      orgs
0   3320    [('Deutsche Telekom AG', 2288)]
1   47886   [('Joyent', 16),( 'Equinix (Netherlands) B.V.', 7)]
2   47601   [('GCE Global Maritime',16859),('fusion services', 1024)]   
3   33438   [('Highwinds Network Group', 893)]

现在我怎样才能将最高的键和值放在两个单独的列中？有人可以帮忙吗？

【问题讨论】：

嗯，你要求的只是最大值，排序有点无关紧要，不是吗？

@EdChum 否，因为我希望将键和值都放在具有最大值的对的单独列中。

【参考方案1】：

另一种方法定义一个函数，该函数只在 dict 上调用 min 并返回一个系列，以便您可以分配给多个列（函数体取自 @Alex Martelli's answer）：

In [17]:

def func(x):
    k = min(x, key=x.get)
    return pd.Series([k, x[k]])
df[['orgs', 'value']] = df['orgs'].apply(func)
df

Out[17]:
     asn  id                        orgs  value
0   3320   0         Deutsche Telekom AG   2288
1  47886   1  Equinix (Netherlands) B.V.      7
2  47601   2             fusion services   1024
3  33438   3     Highwinds Network Group    893

编辑

如果您的数据有空 dicss，那么您可以测试 len:

In [34]:

df = pd.DataFrame('id':[0,1,2,3,4],
                   'asn':[3320,47886,47601,33438,56],
                   'orgs':['Deutsche Telekom AG': 2288,
                           'Joyent': 16, 'Equinix (Netherlands) B.V.': 7,
                           'fusion services': 1024, 'GCE Global Maritime':16859,
                           'Highwinds Network Group': 893,])
df
Out[34]:
     asn  id                                               orgs
0   3320   0                      'Deutsche Telekom AG': 2288
1  47886   1    'Equinix (Netherlands) B.V.': 7, 'Joyent': 16
2  47601   2  'GCE Global Maritime': 16859, 'fusion service...
3  33438   3                   'Highwinds Network Group': 893
4     56   4                                                 
In [36]:

def func(x):
    if len(x) > 0:
        k = min(x, key=x.get)
        return pd.Series([k, x[k]])
    return pd.Series([np.NaN, np.NaN])

df[['orgs', 'value']] = df['orgs'].apply(func)
df

Out[36]:
     asn  id                        orgs  value
0   3320   0         Deutsche Telekom AG   2288
1  47886   1  Equinix (Netherlands) B.V.      7
2  47601   2             fusion services   1024
3  33438   3     Highwinds Network Group    893
4     56   4                         NaN    NaN

【讨论】：

感谢 EdChum。我收到此错误：ValueError: min() arg is an empty sequence，我猜是因为我也有一些空单元格。如何针对此异常进行修改？

您可以测试该值是否为空或包装一个try catch，我会更新我的答案

是空的还是NaN？

使用 try catch 为空

谢谢，但它不是一个空字符串它是一个空字典，我仍然收到错误。

【参考方案2】：

这应该可行：

In [1]: import pandas as pd  
In [2]: import operator
In [3]: df = pd.DataFrame( 'id' : [0,1,2,3],
   ...:                      'asn' : [3320, 47886, 47601, 33438],
   ...:                      'orgs' : ['Deutsche Telekom AG': 2288, 'Joyent': 16, 'Equinix (Netherlands) B.V.': 7, 'fusion services': 1024, 'GCE Global Maritime':16859, 'Highwinds Network Group': 893]
   ...:                    )

In [4]: df.orgs, df['value'] = zip(*df.orgs.apply(lambda x : sorted(x.items(),key=operator.itemgetter(1),reverse=True)[0]))

In [5]: df
Out[5]:
     asn  id                     orgs  value
0   3320   0      Deutsche Telekom AG   2288
1  47886   1                   Joyent     16
2  47601   2      GCE Global Maritime  16859
3  33438   3  Highwinds Network Group    893

我使用zip(* <first element of sorted dict items>) 并将它们分配给df.orgs 和df.value。

对于空字典：

In [3]: df = pd.DataFrame( 'id' : [0,1,2,3],
   ...:                      'asn' : [3320, 47886, 47601, 33438],
   ...:                      'orgs' : ['Deutsche Telekom AG': 2288, 'Joyent': 16, 'Equinix (Netherlands) B.V.': 7, 'fusion services': 1024, 'GCE Global Maritime':16859, ]
   ...:                    )
In [4]: df.orgs.apply(lambda x : sorted(x.items(),key=operator.itemgetter(1),reverse=True)[0] if len(x) else ('',''))
Out[4]:
0     (Deutsche Telekom AG, 2288)
1                    (Joyent, 16)
2    (GCE Global Maritime, 16859)
3                            (, )
Name: orgs, dtype: object

In [5]: df.orgs, df['value'] = zip(*df.orgs.apply(lambda x : sorted(x.items(),key=operator.itemgetter(1),reverse=True)[0] if len(x) else ('','')))

In [6]: df
Out[6]:
     asn  id                 orgs  value
0   3320   0  Deutsche Telekom AG   2288
1  47886   1               Joyent     16
2  47601   2  GCE Global Maritime  16859
3  33438   3

【讨论】：

我这里也有同样的问题，有空字典的组织怎么办？