创建将字典中的 2 个键映射到相同值的数据框列答案

【问题标题】：Create data frame column that maps 2 keys in a dictionary to same value创建将字典中的 2 个键映射到相同值的数据框列
【发布时间】：2020-03-01 04:49:11
【问题描述】：

我有 2 个字典，想创建一个新列来将 2 个键映射到一个值。

字典 1

dict1 = 
{
    "A" :[619, 588],

    "B" : [772, 880],

    "C" : [033, 944],

    "D" : [077, 854]
}

字典 2

dict2 = 
{
    "A" : 600,

    "B" : 680,

    "C" : 300,

    "D" : 100
}

我想映射每个 ID，方法是创建一个新列“名称”，然后创建另一个将“名称”映射到值的列

ID   Name  Value
619   A     600
588   A     600
772   B     680
880   B     680
033   C     300
944   C     300
077   D     100
854   D     100

【问题讨论】：

标签： python pandas dataframe dictionary hashmap

【解决方案1】：

使用DataFrame.melt + Series.map:

df1=pd.DataFrame(dict1)
df1_melt=df1.melt(var_name='Name',value_name='ID')
df1_melt['value']=df1_melt.Name.map(dict2)
#df1_melt=df1_melt.set_index('ID') #If you want ID like index 
print(df1_melt)

输出

  Name   ID  value
0    A  619    600
1    A  588    600
2    B  772    680
3    B  880    680
4    C  033    300
5    C  944    300
6    D  077    100
7    D  854    100

注意字典1（dict1）中C和D的值必须作为字符串读取，因为它们都是以0开头的

dict1 = 
{
    "A" :[619, 588],

    "B" : [772, 880],

    "C" : ['033', '944'],

    "D" : ['077', '854']
}

【讨论】：

【解决方案2】：

如果您将第一个 dict 重新排列为更可行的格式，那么问题就会变得更加简单。

id_mapper = {x: key for key, value in dict1.items() for x in value}

df = pd.DataFrame(index = [
    "619",
    "588",
    "772",
    "880",
    "033",
    "944",
    "077",
    "854",
])

df['Name'] = df.index.map(id_mapper)
df['Value'] = df['Name'].map(dict2)

>>> df

    ID      Name    Value
0   619     A       600
1   588     A       600
2   772     B       680
3   880     B       680
4   033     C       300
5   944     C       300
6   077     D       100
7   854     D       100

为清楚起见，id_mapper 如下所示：

{'619': 'A', '588': 'A', '772': 'B', ...}

【讨论】：

【解决方案3】：

使用列表推导和构造函数。

pd.DataFrame([
    dict(ID=el, Name=k, Value=dict2.get(k))
    for k, v in dict1.items()
    for el in v
])

    ID Name  Value
0  619    A    600
1  588    A    600
2  772    B    680
3  880    B    680
4   33    C    300
5  944    C    300
6   77    D    100
7  854    D    100

【讨论】：

我想我最喜欢这个。当我尝试调整我的答案时，我越来越接近这个答案。
pd.DataFrame([(i, n, dict2[n]) for n, I in dict1.items() for i in I], columns=['ID', 'Name', 'Value'])
是的，最后明确的列名更简洁！

【解决方案4】：

假设dict1 中的所有值都是唯一的：

d = {v: k for k in dict1 for v in dict1[k]}
df = pd.DataFrame({'ID': list(d.keys()), 'Name': list(d.values())})
>>> df.assign(Value=df['Name'].map(dict2))
    ID Name  Value
0  619    A    600
1  588    A    600
2  772    B    680
3  880    B    680
4  033    C    300
5  944    C    300
6  077    D    100
7  854    D    100

或者：

d = {v: k for k in dict1 for v in dict1[k]}
df = pd.DataFrame({
    'ID': list(d.keys()), 
    'Name': list(d.values()), 
    'Value': [dict2[val] for val in d.values()]})

【讨论】：

@AmoghKatwe 你也应该考虑支持这个答案。

【解决方案5】：

`toolz.dicttoolz.merge`

from toolz.dicttoolz import merge

d1 = merge(map(dict.fromkeys, dict1.values(), dict1))
s = pd.Series(d1).rename_axis('ID')
pd.concat({'Name': s, 'Value': s.map(dict2)}, axis=1).reset_index()

    ID Name  Value
0  619    A    600
1  588    A    600
2  772    B    680
3  880    B    680
4  033    C    300
5  944    C    300
6  077    D    100
7  854    D    100

【讨论】：