Question

我有一个令人头疼的问题，我不确定可以通过一两行代码来解决，我正在尝试。我可以或多或少地在没有数据帧的情况下这样做（例如，如果数据只是.txt），但我想知道是否可以用pandas完成。

下面是df.head(10)，我想创建一个字典，其中键是已解析的唯一day_of_week数字（1-7，周日至周六）值是每个births值上出现的day_of_week的总和。

    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：

轻松地为各个day_of_week值创建SUM

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

汇总day_of_week == 1上出生的所有分娩。我可以使用

创建day_of_week值的字典

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

这是一本字典，d：

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

但我无法连接这两个，以便我可以解析day_of_week个数字，将这些数字分配到字典的键，然后对出现的births求和每个相应的day_of_week，然后将这些和值分配给它们各自的键。

如果有人有建议！我在下面创建了一个复制条件的虚拟数据框，如果有帮助的话，因为day_of_week值在我的数据框中重复（尽管你不能从df.head()告诉）。 / p>

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

似乎你需要

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

这绝对可以用熊猫一行回答。只需使用groupby构造来分组您解析的星期几，然后将出生次数相加。 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}

基于列中的唯一值从Pandas DataFrame列创建字典

2 个答案: