Question

我有一个4列的DataFrame

Subject_id    Subject         Time  Score    
Subject_1        Math          Day      1     
Subject_1        Math        Night      2                           
Subject_1       Music          Day      3
Subject_1       Music        Night      4
Subject_2        Math          Day      5       
Subject_2        Math        Night      6                              
Subject_2       Music          Day      7
Subject_2       Music        Night      8

我想按层次结构对这些列进行分组，然后将它们转换为字典，如下所示：

result = {
    'Subject_1': {
        'Math': {
            'Day': 1,
            'Night': 2 
        },
        'Music': {
            'Day': 3,
            'Night': 4
        }
    }
    'Subject_2': {
        'Math': {
            'Day': 5,
            'Night': 6
        },
        'Music': {
            'Day': 7,
            'Night': 8
        }
    }
}

我设法使用pivot少了一列并获得了所需的结果

df.pivot('Subject_id', 'Subject', 'Score').to_dict('index')

但是，如果我再尝试一个列（一级深层词典）

df.pivot('Subject_id', 'Subject', 'Time', 'Score').to_dict('index')

我收到错误：

TypeError: pivot() takes at most 4 arguments (5 given)

我同样尝试使用带有3列lambda函数的groupby：

df.groupby('Subject_id')
   .apply(lambda x: dict(zip(x['Subject'],x['Score'])))
   .to_dict()

但我无法通过4列获得所需的结果。

有没有办法可以提供任意数量的列并将它们转换为分层字典？

喜欢按特定的层次结构顺序对多个字段进行分组。

Answer 1

这是一种方式

In [86]: {k: g.pivot('Subject', 'Time', 'Score').to_dict('index') 
          for k, g in df.groupby('Subject_id')}
Out[86]:
{'Subject_1': {'Math': {'Day': 1, 'Night': 2},
  'Music': {'Day': 3, 'Night': 4}},
 'Subject_2': {'Math': {'Day': 5, 'Night': 6},
  'Music': {'Day': 7, 'Night': 8}}}

Answer 2

defaultdict方法。

def rec_dd():
    return defaultdict(rec_dd)

dd = rec_dd()  # defaultdict for arbitrary depth
tuple_d = df.set_index(['Subject_id', 'Subject', 'Time']).to_dict()["Score"]

for k, v in tuple_d.items():
    dd[k[0]][k[1]][k[2]] = v

defaultdict(<function __main__.rec_dd>,
        {'Subject_1': defaultdict(<function __main__.rec_dd>,
                     {'Math': defaultdict(<function __main__.rec_dd>,
                                  {'Day': 1, 'Night': 2}),
                      'Music': defaultdict(<function __main__.rec_dd>,
                                  {'Day': 3, 'Night': 4})}),
         'Subject_2': defaultdict(<function __main__.rec_dd>,
                     {'Math': defaultdict(<function __main__.rec_dd>,
                                  {'Day': 5, 'Night': 6}),
                      'Music': defaultdict(<function __main__.rec_dd>,
                                  {'Day': 7, 'Night': 8})})})

方法rec_dd来自defaultdict of defaultdict, nested

中@ AndrewClark的回答

如果您不想要defaultdict，可以尝试以下

import json
d = json.loads(json.dumps(dd))

{'Subject_1': {'Math': {'Day': 1, 'Night': 2},
  'Music': {'Day': 3, 'Night': 4}},
 'Subject_2': {'Math': {'Day': 5, 'Night': 6},
  'Music': {'Day': 7, 'Night': 8}}}

将defaultdict转换为dict的方法取自Python: convert defaultdict to dict

中@ Meow的回答

Pandas数据帧到分层字典

2 个答案: