[英]Convert ndarray to dict in python3
我有一個看起來像這樣的 ndarray
LABEL1 99 113 2010-04-26 20:12:23+00:00
LABEL1 29 143 2010-05-06 20:12:23+00:00
LABEL1 99 323 2010-02-12 20:12:23+00:00
LABEL1 23 223 2010-04-25 20:12:23+00:00
LABEL2 23 23 2010-01-21 20:12:23+00:00
LABEL1 234 123 2010-12-26 20:12:23+00:00
LABEL1 93 133 2010-02-23 20:12:23+00:00
LABEL4 19 1223 2010-07-24 20:12:23+00:00
我需要做一些聚合並作為字典返回..
最后我應該得到的與此相似
[
{ 'LABEL1': { 'COLA':577, 'COLB': 1058, 'LAST': '2010-12-26 20:12:23+00:00' } },
{ 'LABEL2': { 'COLA':23, 'COLB': 23, 'LAST': '2010-01-21 20:12:23+00:00' } },
{ 'LABEL4': { 'COLA':19, 'COLB':1223, 'LAST': '2010-07-24 20:12:23+00:00' } }
]
我想做的方法是轉換為 DataFrame,然后執行 group().agg ...
aggr = select_df.groupby('LABELS').agg({'LABELS': [('LABELS', 'max')], 'COLA': [('COLA', 'sum'), ('COLB', 'count')], {'LAST': [('LAST', 'max')]})
我對 Python 有點陌生……並且對執行此操作所需的所有數據轉換做噩夢……
原始結構是一個列表
[
{ 'Label': 'xxxx', 'LABELS': 'xxxx', 'COLA': ##, 'COLB': ##, 'LAST': 'datetime' },...
]
如果我可以簡單地直接聚合這個列表,然后與下一個通道連接(列表以塊的形式讀取)以獲得如上所述的最終列表......
首先將其轉換為數據幀:
df:
0 1 2 3
0 LABEL1 29 143 2010-05-06 20:12:23+00:00
1 LABEL1 99 323 2010-02-12 20:12:23+00:00
2 LABEL1 23 223 2010-04-25 20:12:23+00:00
3 LABEL2 23 23 2010-01-21 20:12:23+00:00
4 LABEL1 234 123 2010-12-26 20:12:23+00:00
5 LABEL1 93 133 2010-02-23 20:12:23+00:00
6 LABEL4 19 1223 2010-07-24 20:12:23+00:00
df.columns = ['label','x','y','z','w']
df.set_index('label').T.to_dict('dict')
結果:
{'LABEL1': {'x': 93, 'y': 133, 'z': '2010-02-23', 'w': '20:12:23+00:00'},
'LABEL2': {'x': 23, 'y': 23, 'z': '2010-01-21', 'w': '20:12:23+00:00'},
'LABEL4': {'x': 19, 'y': 1223, 'z': '2010-07-24', 'w': '20:12:23+00:00'}}
編輯:然后分組標簽並按總和聚合,最大值
df.groupby(["label"])\
.agg({"x": "sum", "y": "sum", "z": "max", "w": "max"}).T.to_dict('dict')
結果:
{'LABEL1': {'x': 478, 'y': 945, 'z': '2010-12-26', 'w': '20:12:23+00:00'},
'LABEL2': {'x': 23, 'y': 23, 'z': '2010-01-21', 'w': '20:12:23+00:00'},
'LABEL4': {'x': 19, 'y': 1223, 'z': '2010-07-24', 'w': '20:12:23+00:00'}}
你的嘗試非常接近。
代碼:
import pandas as pd
input = [
{"LABELS": "LABEL1", "COLA": 99, "COLB": 113, "LAST": "2010-04-26 20:12:23+00:00"},
{"LABELS": "LABEL1", "COLA": 29, "COLB": 143, "LAST": "2010-05-06 20:12:23+00:00"},
{"LABELS": "LABEL1", "COLA": 99, "COLB": 323, "LAST": "2010-02-12 20:12:23+00:00"},
{"LABELS": "LABEL1", "COLA": 23, "COLB": 223, "LAST": "2010-04-25 20:12:23+00:00"},
{"LABELS": "LABEL2", "COLA": 23, "COLB": 23, "LAST": "2010-01-21 20:12:23+00:00"},
{"LABELS": "LABEL1", "COLA": 234, "COLB": 123, "LAST": "2010-12-26 20:12:23+00:00"},
{"LABELS": "LABEL1", "COLA": 93, "COLB": 133, "LAST": "2010-02-23 20:12:23+00:00"},
{"LABELS": "LABEL4", "COLA": 19, "COLB": 1223, "LAST": "2010-07-24 20:12:23+00:00"},
]
df = (
pd.DataFrame(input)
.groupby(["LABELS"])
.agg({"COLA": "sum", "COLB": "sum", "LAST": "max"})
)
print(df.to_dict("index"))
輸出:
{'LABEL1': {'COLA': 577, 'COLB': 1058, 'LAST': '2010-12-26 20:12:23+00:00'}, 'LABEL2': {'COLA': 23, 'COLB': 23, 'LAST': '2010-01-21 20:12:23+00:00'}, 'LABEL4': {'COLA': 19, 'COLB': 1223, 'LAST': '2010-07-24 20:12:23+00:00'}}
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.