Question

我有一个数据框 df

df

   Object        Action  Cost1  Cost2
0     123      renovate  10000   2000
1     456  do something      0     10
2     789        review   1000     50

和词典（称为字典）

dictionary

{'Object_new': ['Object'],
 'Action_new': ['Action'],
 'Total_Cost': ['Cost1', 'Cost2']}

此外，我有一个（开头为空）数据帧 df_new ，该数据帧应包含与df几乎相同的信息，除了列名需要不同（根据字典命名）和df中的某些列应基于字典进行合并（例如，求和运算）。

结果应如下所示：

df_new

   Object_new    Action_new  Total_Cost
0         123      renovate       12000
1         456  do something          10
2         789        review        1050

如何仅使用字典来达到此结果？我尝试使用.map（）函数，但无法弄清楚如何使用它执行求和运算。

附加了用于重现数据帧和字典的代码：

# import libraries
import pandas as pd


### create df
data_df = {'Object':  [123, 456, 789],
        'Action': ['renovate', 'do something', 'review'],
        'Cost1': [10000, 0, 1000],
        'Cost2': [2000, 10, 50],
        }

df = pd.DataFrame(data_df)


### create dictionary
dictionary = {'Object_new':['Object'], 
              'Action_new':['Action'], 
              'Total_Cost' : ['Cost1', 'Cost2']}


### create df_new
# data_df_new = pd.DataFrame(columns=['Object_new', 'Action_new', 'Total_Cost' ])
data_df_new = {'Object_new':  [123, 456, 789],
        'Action_new': ['renovate', 'do something', 'review'],
        'Total_Cost': [12000, 10, 1050],
        }
df_new = pd.DataFrame(data_df_new)

Answer 1

与groupby一起玩：

inv_dict = {x:k for k,v in dictionary.items() for x in v}
df_new =  df.groupby(df.columns.map(inv_dict),
                     axis=1).sum()

输出：

     Action_new  Object_new  Total_Cost
0      renovate         123       12000
1  do something         456          10
2        review         789        1050

Answer 2

鉴于您算法的复杂性，我建议执行Series加法运算来解决此问题。

为什么？在Pandas中，DataFrame中的每一列都在内部充当Series。

data_df_new = {
    'Object_new': df['Object'],
    'Action_new': df['Action'],
    'Total_Cost': (df['Cost1'] + df['Cost2'])  # Addition of two series
}

df_new = pd.DataFrame(data_df_new)

运行此代码将映射数据集中包含的每个值，这些值将存储在我们的字典中。

Answer 3

您可以使用空的数据框复制新列，并使用to_dict将其转换为字典。

import pandas as pd
import numpy as np

data_df = {'Object':  [123, 456, 789],
        'Action': ['renovate', 'do something', 'review'],
        'Cost1': [10000, 0, 1000],
        'Cost2': [2000, 10, 50],
        }

df = pd.DataFrame(data_df)
print(df) 
MyEmptydf = pd.DataFrame()
MyEmptydf['Object_new']=df['Object']
MyEmptydf['Action_new']=df['Action']
MyEmptydf['Total_Cost'] = df['Cost1'] + df['Cost2']

print(MyEmptydf) 
dictionary = MyEmptydf.to_dict(orient="index")
print(dictionary)

您可以在此处运行代码：https://repl.it/repls/RealisticVillainousGlueware

Answer 4

如果您尝试完全避免使用熊猫，而只使用字典，那应该可以解决

Object = []
totalcost = []
action = []
for i in range(0,3):
    Object.append(data_df['Object'][i])
    totalcost.append(data_df['Cost1'][i]+data_df['Cost2'][i])
    action.append(data_df['Action'][i])
dict2  = {'Object':Object, 'Action':action, 'TotalCost':totalcost}

映射两个数据框并使用字典执行求和运算

4 个答案: