Question

Python3.x中有两个字符串，它们定义为相同的长度：

string1 = 'WGWFTSJKPGP'
string2 = 'DORKSRQKYJG'

我还得到一个整数，该整数表示string2的“起始索引”。在这种情况下，start_pos = 51。

目标是根据索引创建字典。因此，string1从0开始，string2从51开始。字典“转换”这些坐标如下：

{0: 51, 1: 52, 2: 53, 3: 54, 4: 55, 5: 56, 6: 57, 7: 58, 8: 59, 9: 60, 10: 61}

可以通过以下方式构造（给出上面的变量）：

convert_dict = {i: i + start_pos for i, _ in enumerate(string1)}

我目前以pandas DataFrame的形式获取此数据：

import pandas as pd

dict1 = {'column1':['MXRBMVQDHF', 'LJNVTJOY', 'LJNVTJOY', 'LJNVTJOY', 'WHLAOECVQR'], 'column2':['DPBVNJYANX', 'UWRAWDOB', 'PEKUYUQR', 'WPMLFVFZ', 'CUTQVWHRIJ'], 'start':[79, 31, 52, 84, 18]}

df = pd.DataFrame(dict1)
print(df)
#       column1     column2  start
# 0  MXRBMVQDHF  DPBVNJYANX     79
# 1    LJNVTJOY    UWRAWDOB     31
# 2    LJNVTJOY    PEKUYUQR     52
# 3    LJNVTJOY    WPMLFVFZ     84
# 4  WHLAOECVQR  CUTQVWHRIJ     18

在列column1中有多个相同字符串的条目。在这种情况下，具有LJNVTJOY的坐标的字典应为：

{0: [31, 52, 84], 1: [32, 53, 85], 2: [33, 54, 86], 3: [34, 55, 87], 
     4: [35, 56, 88], 5: [36, 57, 89], 6: [37, 58, 90], 7: [38, 59, 91]}

我想使用此DataFrame并计算类似的坐标字典。这样的.groupby('column1')语句似乎应该以某种方式使用.apply()？我不确定如何填充这样的字典列表...

这是正确的输出（保留DataFrame结构）。这里的DataFrame df2具有列'new_column'，使其看起来像以下内容：

df2.new_column
0    {0: 79, 1: 80, 2: 81, 3: 82, 4: 83, 5: 84, 6: ...
1    {0: [31, 52, 84], 1: [32, 53, 85], 2: [33, 54, 86], 3: [34, 55, 87], 4: [35, 56, 88], 5: [36, 57, 89], 6: [37, 58, 90], 7: [38, 59, 91]}
2    {0: 52, 1: 53, 2: 54, 3: 55, 4: 56, 5: 57, 6: ...
Name: new, dtype: object

Answer 1

首先应用groupby函数将“开始”列汇总为列表

df2 = df.groupby("column1")["start"].apply(list).reset_index()

现在，您可以编写一个函数来创建新的字典列

def create_dict(row):
    new_dict = {}
    for i, j in enumerate(row["column1"]):
        if len(row["start"]) == 1:
            new_dict[i] = row["start"][0]+i
        else:
            for k in row["start"]:
                if i in new_dict:
                    new_dict[i].append(k + i)
                else:
                    new_dict[i] = [k + i]
    return new_dict

最后，将此功能应用于df2的所有行

df2["new_column"] = df2.apply(create_dict, axis = 1)

Answer 2

使用-

def dict_op(x):
    string1 = x['column1']
    string2 = x['column2']
    start_pos = x['start']
    x['val'] = {i: i + start_pos for i, _ in enumerate(string1)}
    return x

def zip_dict(x):
    b=pd.DataFrame(x)
    return {i:b.loc[:,i].tolist() for i in b.columns }

op = df.apply(dict_op, axis=1).groupby('column1')['val'].apply(list).apply(zip_dict)
print(op)

输出

column1
LJNVTJOY      {0: [31, 52, 84], 1: [32, 53, 85], 2: [33, 54,...
MXRBMVQDHF    {0: [79], 1: [80], 2: [81], 3: [82], 4: [83], ...
WHLAOECVQR    {0: [18], 1: [19], 2: [20], 3: [21], 4: [22], ...
Name: val, dtype: object

说明

dict_op重用您的代码为每一行创建字典，然后.apply(list)将字典压缩在一起以形成字典列表。

然后zip_dict()从临时输出中创建输出dict。

我最后没有提到的部分是，如果列表的长度为1，那么您只能包含第一个元素，将输出从{0: [79], 1: [80], 2: [81], 3: [82], 4: [83], ...到{0: 79, 1: 80, 2: 81, 3: 82, 4: 83, ...

Answer 3

这里使用lambda和两个zips的方法稍有不同。

df2 = df.groupby('column1')['start'].agg([('s', list)]).reset_index()
df2['l'] = df.column1.str.len()

df2.apply(lambda x: dict(zip(range(x['l'] + 1), zip(*[range(s, s + x['l'] + 1) for s in x['s']]))), axis = 1)

可以在此处看到截断的输出（请注意，它返回的是元组而不是列表）：

0    {0: (31, 52, 84), 1: (32, 53, 85), 2: (33, 54,...
1    {0: (79,), 1: (80,), 2: (81,), 3: (82,), 4: (8...
2    {0: (18,), 1: (19,), 2: (20,), 3: (21,), 4: (2...

首先，要减少apply步骤的长度，请创建一个具有column1值和关联的起始位置的DataFrame。另外，添加一个长度为column1的列（假定等长断言成立）。

此后，只需合并column1个字母索引（0到len(column1)的范围（用作键）和相同范围（由{{1 }}值。

第二个start会带来一些麻烦，因为zip返回的内容类似于（对于'LJNVTJOY'）：

[range(s, s + x['l'] + 1) for s in x['s']]

当我们真的想对垂直对齐的元素进行分组时，可以使用'splat'或'unpacking'运算符将这些列表输入[[31, 32, 33, 34, 35, 36, 37, 38, 39], [52, 53, 54, 55, 56, 57, 58, 59, 60], [84, 85, 86, 87, 88, 89, 90, 91, 92]]中。合并这些列表之后，我们将获得一个键列表和一个（元组）值列表，它们可以zip变成zipped。

如何使用Pandas DataFrame计算列表的字典？

3 个答案: