重命名列表数据框中元素的最有效方法

Posted 2023-02-23

【中文标题】重命名列表数据框中元素的最有效方法

【英文标题】：Most efficient way to rename elements in dataframe of lists

【发布时间】：2019-08-21 08:55:36

【问题描述】：

我有两个数据框，其中一个包含宠物 ID 和名称，另一个包含用户和他们喜欢的宠物的 ID 列表。我想把它变成一个字典，其中键是用户，值是他们喜欢的宠物的所有名字。

    id  name
0   4   Bert
1   5   Ernie
2   6   Jeff
3   7   Bob
4   8   Puppy
5   9   Socks
6   12  Cyoot

    user_email  likes
0   [e-mail] [4, 5, 6, 7, 8, 9, 12]
1   [e-mail] [4, 8, 9, 6, 5, 12]

【参考方案1】：

首先。将宠物id设置为索引：

pets.set_index('id', inplace=True)

然后，为每个“likes”列表申请一个函数，将每个like替换为一个对应的宠物名：

users.likes = users.likes.map(lambda likes: [pets.loc[like]['name'] for like in likes])

最后 - 你所要做的就是将你的数据框变成字典：

users.set_index('user_email').to_dict()['likes']

【参考方案2】：

据我了解，你可以试试：

d= df.set_index('id')['name'].to_dict()
df1.likes=df1.likes.apply(lambda x: [d.get(item,item)  for item in x])
print(df1)

---

        user_email                                          likes
0  [e-mail]  [Bert, Ernie, Jeff, Bob, Puppy, Socks, Cyoot]
1  [e-mail]       [Bert, Puppy, Socks, Jeff, Ernie, Cyoot]

让听者对电子邮件点赞：

print(df1.set_index('user_email')['likes'].to_dict())

'[e-mail]': ['Bert', 'Ernie', 'Jeff', 'Bob', 'Puppy', 'Socks', 'Cyoot'],\
  '[e-mail]': ['Bert', 'Puppy', 'Socks', 'Jeff', 'Ernie', 'Cyoot']

【讨论】：

这看起来不错，我有一种预感，它对我不起作用的唯一原因是这些列表的元素实际上是 str 类型，并且该 dict 的键正在设置作为整数。

澄清一下，列表本身其实就是一个列表，只是里面的元素是字符串

@zintj 那么如果你做d= df.astype(str).set_index('id')['name'].to_dict() 然后试试这个呢？只是猜测它应该可以工作

【参考方案3】：

假设您的第二个数据框中的 likes 列是 list 类型，我们可以执行以下操作：

将列表取消嵌套到行

df3 = df2.set_index('user_email').likes.apply(pd.Series).stack().reset_index(level=0).rename(columns=0:'likes')

print(df3)
        user_email  likes
0  [e-mail]    4.0
1  [e-mail]    5.0
2  [e-mail]    6.0
3  [e-mail]    7.0
4  [e-mail]    8.0
5  [e-mail]    9.0
6  [e-mail]   12.0
0  [e-mail]    4.0
1  [e-mail]    8.0
2  [e-mail]    9.0
3  [e-mail]    6.0
4  [e-mail]    5.0
5  [e-mail]   12.0

将名称合并到数据框

df4 = df3.merge(df1, left_on='likes', right_on='id').drop(['likes', 'id'],axis=1)

print(df4)
         user_email   name
0   [e-mail]   Bert
1   [e-mail]   Bert
2   [e-mail]  Ernie
3   [e-mail]  Ernie
4   [e-mail]   Jeff
5   [e-mail]   Jeff
6   [e-mail]    Bob
7   [e-mail]  Puppy
8   [e-mail]  Puppy
9   [e-mail]  Socks
10  [e-mail]  Socks
11  [e-mail]  Cyoot
12  [e-mail]  Cyoot

使用groupby将行转换回列表

df_final = df4.groupby('user_email').agg(list).reset_index()

print(df_final)
        user_email                                           name
0  [e-mail]       [Bert, Ernie, Jeff, Puppy, Socks, Cyoot]
1  [e-mail]  [Bert, Ernie, Jeff, Bob, Puppy, Socks, Cyoot]