如果每列每行有多個值，如何在熊貓數據框中的兩列之間創建字典？

Question

我有一個 Pandas 數據框，列的格式與下面類似：

test_df = pd.DataFrame(
{'A': ['apples|oranges|bananas', 'apples|oranges', 'apples|kiwi'],
 'B': ['store1|store2|store3', 'store1|store2', 'store1|store4']})

A                         B
apples|oranges|bananas    store1|store2|store3
apples|oranges            store1|store2
apples|kiwi               store1|store4

每列的索引以“|”分隔一切順利。 除了數據幀中每行的當前項目排序之外，沒有關於哪種水果適合哪個商店的鍵。 我想為具有所需輸出的每一行創建一個帶有字典的新列：

A                         B                     C
apples|oranges|bananas    store1|store2|store3  {store1:apples, store2:oranges, store3:bananas}
apples|oranges            store1|store2         {store1:apples, store2:oranges}
apples|kiwi               store1|store4         {store1:apples, store4:kiwi}

首先，我嘗試將 A 列和 B 列轉換為列表並將它們轉換為字典。

test_df.A = test_df.A.str.split('|').tolist()
test_df.B = test_df.B.str.split('|').tolist()

我嘗試了幾種不同的將列表轉換為字典的方法：

test_df['C'] = dict(zip(test_df.A,test_df.B))

不起作用並導致“TypeError: 'dict' object is not callable”錯誤。

test_df.groupby('A')['B'].apply(list).to_dict()

不起作用並導致 'unhashable type:'list' 錯誤，我認為這是因為 'B' 中的字典鍵有多個值。

我能做些什么來解決這個問題？

Answer 1

如果您真的需要維護該組織，您可以通過（慢速）應用程序在您首先拆分字符串、壓縮結果列表並生成 dict 的地方獲得：

test_df['C'] = test_df.apply(lambda r: dict(zip(r.B.split('|'), r.A.split('|'))), axis=1)

                        A                     B                                                               C
0  apples|oranges|bananas  store1|store2|store3  {'store1': 'apples', 'store2': 'oranges', 'store3': 'bananas'}
1          apples|oranges         store1|store2                       {'store1': 'apples', 'store2': 'oranges'}
2             apples|kiwi         store1|store4                          {'store1': 'apples', 'store4': 'kiwi'}

因為字典必須有唯一的鍵，如果B中的存儲在同一行上重復，請將dict更改為tuple ，這樣您就可以存儲所有內容。

---

但是，您可以使用explode獲得類似的組織。 由於這會以一種扁平的方式來存儲您的所有數據，因此未來的操作將變得更加容易和高效。 因為我們分解了列，索引被復制並讓您知道它來自哪一行。

test_df =  pd.concat([test_df[col].str.split('|').explode() for col in test_df.columns], 1)

         A       B
0   apples  store1
0  oranges  store2
0  bananas  store3
1   apples  store1
1  oranges  store2
2   apples  store1
2     kiwi  store4