迭代键值对并添加值，数据清洗 Python

Question

我正在使用 python 从 csv 语句中提取数据。我想清理数据并将其传输到另一个电子表格。因此，为了解释像 esso 和 bp 这样的名称，它们被归类为“燃料”并加在一起。重要的是，我想找到这些的总和并将其转移。到目前为止，我已经创建了字典等并进行了迭代，我的挑战是获取值。

df = pd.read_csv("statement.csv")
item = df['Transaction Description']
cost = df['Debit Amount']

purchases = {}

purchases = {}
for key, value in zip(item, cost):
purchases[key] = value

所以我最初的目标是将租金、燃料等定义为变量，然后：

for i in key {
    if i = Sanctuary housing rent.value = value
    else
        i = RSS CHANTRY FIELDS etc.....
}

但是我后来发现了理解。但是提供/描述的解决方案似乎更多的是关于多个项目，而不是从特定键中提取数据。我也听说这是一种计算成本很高的方法？因此，我现在正在考虑使用类似于以下内容的想法：

a_key = "c"

values_of_key = [a_dict[a_key] 

来自https://www.kite.com/python/answers/how-to-find-the-values-of-a-key-in-a-list-of-dictionaries-in-python# 我想这可能是一个更简单的方法？

df = pd.read_csv("statement.csv")

item = df['交易描述']

cost = df['借方金额'] credit =df['信用额度']

购买 = {}

purchases = {}
for key, value in zip(item, cost):
purchases[key] = value

Water = [purchases ['BRISTOLWESSEXWATER']

print(Water)

我的问题是：这是一个好的 Pythonic 方法吗？我的症结仍然是我想添加的多个值。您还有其他方法可以推荐吗？理想情况下，我希望代码能够快速执行。

非常感谢

Answer 1

将交易描述转换为一组类别的过程可能非常复杂。 我建议为此创建一个函数，以便您可以修改其中的逻辑。

您的代码可能如下所示：

import collections
import pandas as pd

def description_to_category(s):
    # here you have to do a lot of testing and fine-tunning,
    # because this classification process can be quite complicated
    if 'esso' in s or 'bp' in s:
        return 'fuel'

    return 'other'

df = pd.read_csv("statement.csv")
col_description = df['Transaction Description']
col_cost = df['Debit Amount']

purchases_by_category = collections.defaultdict(0)
for description, cost in zip(col_description, col_cost):
    category = description_to_category(description)

    # add cost; defaultdict will have 0 for new keys
    purchases_by_category[category] += cost

print(purchases_by_category)