python - 从 pandas 数据帧中分离并创建字典

Question

我有一个如下的数据框，我想创建一个如下的字典:

示例:

{'52.00,20.00': [1.5,4.1,3.6,3.1], '49.25,20.00': [0.5,2.1,1,2.1]}

即{'A、B 的值':avg(A) 列表}

我是 python pandas 新手，有人可以建议吗？

+-----------+-----------+-----------------+----------------+
| A         | B         | avg(A)          | hour           |
+-----------+-----------+-----------------+----------------+
|     52.00 |     20.00 |             1.5 |              1 |
|     52.00 |     20.00 |             4.1 |             14 |
|     52.00 |     20.00 |             3.6 |             15 |
|     52.00 |     20.00 |             3.1 |             16 |
|     49.25 |     20.00 |             0.5 |              0 |
|     49.25 |     20.00 |             2.1 |              1 |
|     49.25 |     20.00 |               1 |             14 |
|     49.25 |     20.00 |             2.1 |             15 |
|     53.75 |     20.00 |            2.66 |             20 |
|     53.75 |     20.00 |            2.66 |             21 |
|     53.75 |     20.00 |            2.66 |             22 |
|     53.75 |     20.00 |            5.07 |             23 |
|     48.00 |     20.00 |            0.97 |              0 |
|     48.00 |     20.00 |            0.97 |              1 |
|     48.00 |     20.00 |            1.57 |             14 |
|     48.00 |     20.00 |            1.57 |             15 |

Answer 1

对于两列，您可以手动连接(以获得更好的性能)，然后用作 groupby + apply 操作的子句。

df[['A', 'B']] = df[['A', 'B']].astype(str)
df['avg(A)'].groupby(df['A'] + ',' + df['B']).apply(list).to_dict()

{
    "48.0,20.0": [
        0.97,
        0.97,
        1.57,
        1.57
    ],
    "49.25,20.0": [
        0.5,
        2.1,
        1.0,
        2.1
    ],
    "52.0,20.0": [
        1.5,
        4.1,
        3.6,
        3.1
    ],
    "53.75,20.0": [
        2.66,
        2.66,
        2.66,
        5.07
    ]
}

<小时/>

对于多列(不仅仅是 A 和 B)，您可以将 apply 与 str.join 结合使用> 创建一列逗号分隔的数字，该数字应概括为任意数量的列。

c = ['A', 'B', ...]
df['avg(A)'].groupby(df[c].astype(str).apply(','.join, 1)).apply(list).to_dict()