![](/img/trans.png)
[英]How do I convert a messy Python dictionary with different nested lists and a nested array into a Pandas dataframe?
[英]How do I search a nested Python dictionary for a matching dataframe value and then update the dataframe?
我有一個包含公司信息的 Python 字典,其結構如下:
co_dict = {'0': {'co_name': 'A',
'company_type': 'Public',
'global_name': 'A PARENT',
'sales': '1000'},
'1': {'co_name': 'B',
'company_type': 'Public',
'global_name': 'B PARENT',
'sales': '1000'}}
和一個看起來像這樣的 Pandas 數據框(真正的 df 長得多):
df = pd.DataFrame({'co-name': ['M','A','B','F'], 'co-number': [1,2,3,4]})
co-name co-number
0 M 1
1 A 2
2 B 3
3 F 4
我想在字典中找到每個 df["co-name"] 的匹配項,並將“global_name”和“sales”的相應字典值附加到 df 中的新列。 當沒有匹配項時,列都應顯示為“n/a”。 所以最終結果會是這樣的:
co-name co-number global_name sales
0 M 1 n/a n/a
1 A 2 A PARENT 1000
2 B 3 B PARENT 2000
3 F 4 n/a n/a
我嘗試按如下方式執行此操作:
def find_global_name(x):
for key1 in co_dict.keys():
if (x['co-name'] == co_dict[key1]['co_name']):
return co_dict[key1]['global_name']
else:
return "n/a"
df['global_name'] = df.apply(find_global_name, axis=1)
但是 for 循環似乎在第一個公司“A”匹配之后停止了。 我一直在試圖弄清楚為什么會這樣。 為什么這種方法不起作用? 我如何完成這個任務? 非常非常感謝您的幫助。
從字典創建數據框並與df
合並:
(df.merge(pd.DataFrame(co_dict).T,
left_on = 'co-name',
right_on = 'co_name',
how = 'left')
.drop(columns=['co_name', 'company_type'])
)
co-name co-number global_name sales
0 M 1 NaN NaN
1 A 2 A PARENT 1000
2 B 3 B PARENT 1000
3 F 4 NaN NaN
如果您將字典修剪為僅包含您需要的值,並與非常快的map
結合使用,您的代碼會更加清晰和快速......這也使您可以避免編寫可能不必要的代碼。
為您需要的值創建字典:
global_name = {val['co_name']: val['global_name']
for _, val in co_dict.items()}
sales = {val['co_name']: val['sales']
for _, val in co_dict.items()}
global_name
{'A': 'A PARENT', 'B': 'B PARENT'}
sales
{'A': '1000', 'B': '1000'}
將字典映射到數據框以創建新列(這里假設列中的值是唯一的;如果不是,這將不起作用,合並是更好的選擇,因為它可以處理重復項):
df.assign(global_name = df['co-name'].map(global_name),
sales = df['co-name'].map(sales))
Out[722]:
co-name co-number global_name sales
0 M 1 NaN NaN
1 A 2 A PARENT 1000
2 B 3 B PARENT 1000
3 F 4 NaN NaN
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.