Question

我有一个称为 datastore 的嵌套字典，其中包含键m，n，o，最后是'target_a'，'target_b'或'target c'（其中包含值）。另外，我有一个熊猫数据框 df ，其中包含许多列。其中的三列“ r”，“ s”和“ t”包含可以用作在字典中查找值的键的值。

在下面的代码中，我尝试使用lambda函数执行此操作，但是，它需要调用三次函数，这似乎效率很低！有更好的方法吗？任何帮助将不胜感激。

def find_targets(m, n, o):
    if m == 0:
        return [1.5, 1.5, 1.5]
    else:
        a = datastore[m][n][o]['target_a']
        b = datastore[m][n][o]['target_b']
        c = datastore[m][n][o]['target_c']
        return [a, b, c]

df['a'] = df.apply(lambda x: find_targets(x['r'], x['s'], x['t'])[0],axis=1)   
df['b'] = df.apply(lambda x: find_targets(x['r'], x['s'], x['t'])[1],axis=1)   
df['c'] = df.apply(lambda x: find_targets(x['r'], x['s'], x['t'])[2],axis=1)

Answer 1

您可以让自己的申请返回pd.Series，然后使用df.merge一次完成分配工作

这里是一个示例，修改您的函数以返回pd.Series，但是您也可以找到其他解决方案，将查找函数保留为定义的值，然后将其转换为lambda表达式中的序列。

def find_targets(m, n, o):
    if m == 0:
        return pd.Series({'a':1.5, 'b':1.5, 'c':1.5})
    else:
        a = d[m][n][o]['target_a']
        b = d[m][n][o]['target_b']
        c = d[m][n][o]['target_c']
        return pd.Series({'a':a, 'b':b, 'c':c})

df.merge(df.apply(lambda x: find_targets(x['r'], x['s'], x['t']), axis=1), left_index=True, right_index=True)

Answer 2

如果使查找目标返回字典，并在lambda中将其转换为pandas.Series，则apply将为您创建行，并返回包含所需列的数据框。

def find_targets(m, n, o):
if m == 0:
    return {'a': 1.5, 'b': 1.5, 'c': 1.5}
else:
    targets = {}
    targets['a'] = datastore[m][n][o]['target_a']
    targets['b'] = datastore[m][n][o]['target_b']
    targets['c'] = datastore[m][n][o]['target_c']
    return targets

abc_df = df.apply(lambda x: pd.Series(find_targets(x['r'], x['s'], x['t'])), axis=1)
df = pd.concat((df, abc_df), axis=1)

如果您无法更改find_targets函数，则仍可以使用所需的密钥对其进行压缩：

abc_dict = dict(zip('abc', old_find_targets(...)))

从嵌套字典创建Pandas列

2 个答案: