Question

我正在尝试根据另一列中的分类变量添加多个词典（公共键的总和）。我尝试使用groupby（和agg），groupby（和sum）和Counter（）。我也有其他连续列，但我不想将它们加起来。我不断收到错误或不期望的输出。

import pandas as pd       
import numpy as np
from collections import Counter

# input
df1 = pd.DataFrame([
['Cat1', {'Word1': 8, 'Word2': 7, 'Word3': 6, 'Word4':1}], 
['Cat2', {'Word2': 7, 'Word4': 7, 'Word3': 6}], 
['Cat2', {'Word3':3, 'Word5': 2}],
['Cat1', {'Word1': 10, 'Word3': 5, 'Word4':1}]], columns=list('AB'))



# desired output
df_out = pd.DataFrame([
['Cat1', {'Word1': 18, 'Word2': 7, 'Word3': 11, 'Word4':2}],
['Cat2', {'Word2': 7, 'Word3': 9, 'Word4': 7, 'Word5': 2}]], columns=list('AB'))
df_out

# Trial 1 - groupby
for i in range(len(df1)):
    df1.groupby('A')['B'].agg({df1['B'][i])

# Trial 2 - Counter
counter = Counter()
for d in range(len(df['B']):
    counter.update(d)

感谢您的帮助。 TIA

Answer 1

这是一个生成常规DataFrame而不是一系列字典的解决方案：

pd.DataFrame.from_records(df1.B).groupby(df1.A).sum()

第一步是将您的系列字典转换为每个键只有一列的常规DataFrame。然后是一个简单的groupby和sum以获得最终结果：

      Word1  Word2  Word3  Word4  Word5
A                                      
Cat1   18.0    7.0     11    2.0    0.0
Cat2    0.0    7.0      9    7.0    2.0

以这种格式保存数据将比一系列dict效率更高，除非这些值非常稀疏（即矩阵很大且大多数为零）。

如果您确实需要将结果作为一系列字典，则可以这样做：

def add_dicts(s):
    c = Counter()
    s.apply(c.update)
    return dict(c)

df1.groupby('A').B.agg(add_dicts)

它会精确地产生您的df_out。

在另一列中基于类别变量添加公用键的字典值

1 个答案: