python-3.x - 从 Pandas 构建一个方法词典

Question

我有一个如下所示的数据框:

    start   stop   duration
0   1       2      1
1   3       4      2
2   2       1      2
3   4       3      0

我试图用键=(开始，停止)对和值=它们持续时间的平均值来构建一个字典，不管顺序如何。换句话说，(1,2) 和 (2,1) 都算作 (1,2) 对的出现。

期望的输出:dict_avg= {(1,2):1.5, (3,4):1}

实现此目标的最佳方法是什么？

Answer 1

这是一种可能的方法，采用排序对的元组:

>>> grp = df[['start', 'stop']].apply(lambda x: tuple(sorted(x)), axis=1)
>>> df.groupby(grp)['duration'].mean().to_dict()
{(1, 2): 1.5, (3, 4): 1.0}

作为免责声明，我几乎可以保证这将比此处给出的 NumPy 排序慢得多，因为在 .apply() 中使用了 lambda(并且需要使用 sorted() + tuple() constructor) 在 Python 空间中进行每次调用，而不是像理想情况下通过 Pandas 那样在 Cython/C 中完成/NumPy。