Question

我有一个名为pandas.DataFrame的{{1}}（这只是一个例子）

df

数据帧已排序，每个col1 col2 col3 A1 B1 C1 NaN B2 NaN NaN B3 NaN A2 B4 C2 Nan B5 C3 A3 B6 C4 NaN NaN C5是NaN可以被认为是包含该列中最后一个有效值的单元格。我是通过使用以下方法获得的：

col1

给出：

df[["col1"]] = df[["col1"]].fillna(method="ffill")

然后，我获得一个col1 col2 col3 A1 B1 C1 A1 B2 NaN A1 B3 NaN A2 B4 C2 A2 B5 C3 A3 B6 C4 A3 NaN C5，使其键为dict的值。这些键与包含col1和col2的值的字典相关联：

col3

我通过以下操作获得了data = { "A1": {"col2": ["B1", "B2", "B3"], "col3": ["C1"]}, "A2": {"col2": ["B4", "B5"], "col3": ["C2", "C3"]}, "A3": {"col2": ["B6"], "col3": ["C4", "C5"]} }：

data

这是从数据帧data = {val: {"col2": group["col2"].dropna().tolist(), "col3": group["col3"].dropna().tolist()} for val, group in df.groupby("col1")}到字典df转换的最终结果。我无法实现的是相反的方法。如果得到data，我该如何构建最初始的df（在NaN中也包含col1值）？另外，请随时帮助我改善从data到df的转换。

编辑：data包含df中每个max(len(data[val]["col2"]), len(data[val]["col3"]))的{{1}}行。如果需要val值来填充行，则它们必须位于最后位置。例如：

data

成为

NaN

不是

data = {
    "A1": {"col1": ["B1"], "col2": ["C1", "C2"]}
}

Answer 1

我们可以使用cumcount爆炸每一列，以在连接期间对齐。 col1然后需要在重复的地方屏蔽。

import pandas as pd

df = pd.DataFrame.from_dict(data, orient='index')
df.index.name='col1'

l = []
for col in ['col2', 'col3']:
    s = df.explode(col)
    s['idx'] = s.groupby(level=0).cumcount()
    s = s.set_index('idx', append=True)
    l.append(s[col])

df = pd.concat(l, axis=1)

df = df.reset_index().drop(columns='idx')
df['col1'] = df['col1'].mask(df['col1'].duplicated())

  col1 col2 col3
0   A1   B1   C1
1  NaN   B2  NaN
2  NaN   B3  NaN
3   A2   B4   C2
4  NaN   B5   C3
5   A3   B6   C4
6  NaN  NaN   C5

将熊猫数据框转换为字典，反之亦然

1 个答案: