Question

我有一个熊猫数据框和一个字典，如下所示。我想在数据框中创建一个新列，基于该行的索引从字典中出现的列表中。

df = pd.DataFrame({
    'a':['x', 'y', 'z'],
    'b':[1, 2, 3],
    'c':[10, 20, 30],
})
df = df.set_index('a')
mydict = {
    'g1':['a', 'b', 'y'],
    'g2':['x', 'k', 'l'],
    'g3':['m', 'l', 'z'],
}

预期输出

   b   c   g
a       
x  1  10  g2
y  2  20  g1
z  3  30  g3

我什至不知道如何开始解决这个问题。可以创建一个自定义函数并使用它进行映射吗？但这足够表现吗？在我的实际用例中，“ df”中可能有成千上万的行，“ mydict”中可能有约数百个键，每个列表将包含数万个项目。另外，我将主要处理整数而不是字符串，如下所示。

Answer 1

您需要使用标量键：值对将列表的字典拼合为一个简单的字典。由于字典需要唯一的键，因此，如果多个列表包含相同的值，则该值最终将映射到它所属的最后一个列表的键（这很好，因为您不在乎哪个）。

d = {val:key for key, lst in mydict.items() for val in lst}
#{'a': 'g1', 'b': 'g1', 'y': 'g1',
# 'x': 'g2', 'k': 'g2', 
# 'l': 'g3', 'm': 'g3', 'z': 'g3'}

df['g'] = df.index.map(d)
#   b   c   g
#a           
#x  1  10  g2
#y  2  20  g1
#z  3  30  g3

Answer 2

这将循环遍历索引值，并在字典的值中查找它们。即使它看起来不那么漂亮，它的运行速度也比Alollz解决方案快约7-10倍**。

g = []
for i in df.index.values:
    for k in mydict:
        if i in mydict[k]:
            g.append(k)
            break
df['g'] = g

**对于小尺寸数据（如问题示例）更快。随着数据量的增加，Alollz的解决方案将变得更快。 Alollz创建value：key dict会产生大量开销，因此对于少量数据，这会更快。

熊猫：通过列表列表的映射来创建列

2 个答案: