根据列中的唯一值从Pandas DataFrame列创建字典

Question

我有个头疼的问题，我不确定是否可以用一两行代码来解决。 我可以或多或少地在没有数据帧的情况下做到这一点（例如，如果数据只是.txt），但是我想看看它是否可以通过熊猫来完成。

下面是df.head(10) ，我想创建一个字典，其中的键是解析的唯一day_of_week数字（对于周日至周六，为1-7），其值是在每个键上发生的births 总数单个day_of_week值的。

    year    month   date_of_month   day_of_week births
  0 1994      1          1              6        8096
  1 1994      1          2              7        7772
  2 1994      1          3              1        10142
  3 1994      1          4              2        11248
  4 1994      1          5              3        11053
  5 1994      1          6              4        11406
  6 1994      1          7              5        11251
  7 1994      1          8              6        8653
  8 1994      1          9              7        7910
  9 1994      1          10             1        10498

我可以使用以下命令轻松为各个day_of_week值创建SUM：

df.groupby[df['day_of_week'] == 1, 'births'].sum()

将所有在day_of_week == 1上发生的出生day_of_week == 1 。 我可以使用以下命令创建一个day_of_week值的字典：

d = {i : 0 for i in df['day_of_week']}

产生字典d ：

{1: 0, 2: 0, 3: 0, 4: 0, 5: 0, 6: 0, 7: 0}

但是我无法将两者连接起来，所以我可以解析day_of_week数字，将这些数字分配给字典的键 ，然后对每个day_of_week上发生的births进行求和，然后将这些总和值分配给其各自的键。

如果有人有建议！ 我在下面创建了一个虚拟数据框，用于复制条件（如果有帮助的话），因为day_of_week值确实会在我的数据框中重复（尽管您无法从df.head() ）。

d = {'day_of_week' : pd.Series([1, 6, 6, 5, 3, 2, 6, 4, 4, 7, 1]),
    'births' : pd.Series([5544, 23456, 473, 34885, 3498, 324, 6898, 83845, 959, 8923, 39577])}
df_dummy = pd.DataFrame(d)

Answer 1

好像你需要

df_dummy.set_index('day_of_week').births.sum(level=0).to_dict()
Out[30]: {1: 45121, 2: 324, 3: 3498, 4: 84804, 5: 34885, 6: 30827, 7: 8923}

Answer 2

可以肯定地用熊猫来回答这一问题。 只需使用groupby构造对您所解析的一周中的某天进行分组，然后对出生数求和。 Pandas内置了将其转换为字典的功能，其中您的键是星期几，值是总和：

import pandas as pd
day_of_week = [6, 7, 1, 2, 3, 4, 5, 6, 7, 1]
births = [8096, 7772, 10142, 11248, 11053, 11406, 11251, 8653, 7910, 10498]

df = pd.DataFrame({'day_of_week': day_of_week,
               'births': births})

df.groupby('day_of_week')['births'].sum().to_dict()
# output: {1: 20640, 2: 11248, 3: 11053, 4: 11406, 5: 11251, 6: 16749, 7: 15682}