Question

我有一个要与pandas df的列匹配的值列表，然后想创建一个将列表值作为键的字典，然后将字典值从另一个列数据框。

这是我的清单：

sample_list = [101,105,112]

我的数据框：

sample_df = pd.DataFrame([[101, "NJ"], [105, "CA"],[111, "MO"], [101, "NJ"], [112, "NB"], [101, "NJ"], [105, "CA"]], \
                         columns=["Col1", "Col2"])

看起来像这样

    Col1    Col2
0   101     NJ
1   105     CA
2   111     MO
3   101     NJ
4   112     NB
5   101     NJ
6   105     CA

现在，我正在尝试迭代列表值（它们是我的new_dict的键），并将其与Col1匹配，如果它们匹配，我想提取Col2值作为我的值字典值。到目前为止，这就是我的代码，

new_dict = {}
for value in sample_list:
    for i in sample_df['Col1']:
        if value == i:
            new_dict[value] = [i for i in sample_df['Col2']]

但是，我的new_dict看起来像这样，

{101: ['NJ', 'CA', 'MO', 'NJ', 'NB', 'NJ', 'CA'],
 105: ['NJ', 'CA', 'MO', 'NJ', 'NB', 'NJ', 'CA'],
 112: ['NJ', 'CA', 'MO', 'NJ', 'NB', 'NJ', 'CA']}

我需要这样的输出

{101: ['NJ'],
 105: ['CA'],
 112: ['NB']}

如何获得所需的输出？任何帮助都很好。

Answer 1

这可以做到：

new_dict = {i: [sample_df[sample_df['Col1']==i]['Col2'].values[0]] for i in sample_list}

Answer 2

Alt 1

如果您坚持认为这是另一种解决方案，则应该使用isin()创建用于过滤掉不需要的行的掩码来提高效率。

m = sample_df['Col1'].isin(sample_list)
sample_df[m].drop_duplicates().groupby('Col1')['Col2'].apply(list).to_dict()

返回：{101: ['NJ'], 105: ['CA'], 112: ['NB']}

注意：如果还有更多非唯一的连击，它们也会出现在列表中。使用：{k:[v] for k,v in sample_df[m].groupby('Col1')['Col2'].first().items()}（如果您只想要第一个）。

替代2

如果要使用列表项，但又不是全部，为什么不只是值？

m = sample_df['Col1'].isin(sample_list)
sample_df[m].set_index('Col1')['Col2'].to_dict()

返回：{101: 'NJ', 105: 'CA', 112: 'NB'}

Alt 3

或（如果需要所有项目）：

m = sample_df['Col1'].isin(sample_list)
sample_df[m].groupby('Col1')['Col2'].apply(list).to_dict()

返回：{101: ['NJ', 'NJ', 'NJ'], 105: ['CA', 'CA'], 112: ['NB']}

从DF列中将值插入字典-Pandas（Python）

2 个答案:

Alt 1

替代2

Alt 3