如何使用 Pandas 替换 DataFrame 中的列条目并创建字典新旧值

Question

我有一个文件，其中包含如下数据：

x y
z w
a b
a x
w y

我想创建一个包含以下替换字典的文件，该字典对每个字符串都有一个唯一的替换编号，该替换编号由从左到右和从上到下读取时字符串首次出现在文件中的顺序确定底部（注意这个应该被创建，它没有提供）：

{'x':1, 'y':2, 'z':3, 'w':4 , 'a':5, 'b':6}

输出文件将是：

1 2
3 3
5 6
5 1
4 2

有没有什么有效的方法可以用 Pandas 创建已处理的文件和字典？

我想在以下策略中创建字典：

_counter = 0
def counter():
    global _counter
    _counter += 1
    return _counter
replacements_dict = collections.defaultdict(counter)

Answer 1

您可以将factorize 与stack 创建的MultiIndex Series 一起使用，然后使用unstack，最后由to_csv 写入文件：

df = pd.read_csv(file, sep="\s+", header=None)

print (df)
   0  1
0  x  y
1  z  w
2  a  b
3  a  x
4  w  y

s = df.stack()
fact = pd.factorize(s)

#indexing is necessary
d = dict(zip(fact[1].values[fact[0]], fact[0] + 1))
print (d)
{'x': 1, 'y': 2, 'z': 3, 'w': 4, 'a': 5, 'b': 6}

对于新文件：

#values splited by ,
pd.Series(d).to_csv('dict.csv')
#read Series from file, convert to dict
d = pd.read_csv('dict.csv', index_col=[0], squeeze=True, header=None).to_dict()
print (d)
{'x': 1, 'y': 2, 'z': 3, 'w': 4, 'a': 5, 'b': 6}

df = pd.Series(fact[0] + 1, index=s.index).unstack()
print (df)

   0  1
0  1  2
1  3  4
2  5  6
3  5  1
4  4  2

df.to_csv('out', index=False, header=None)

Answer 2

我假设您希望字典 d 以这样一种方式分配给键的值对应于键的外观，在行中：

d={'col1':['x', 'y', 'a', 'a', 'w'], 'col2':['z','w','b','x','y']}
df=pd.DataFrame(d)

print(df)

输出：

  col1 col2
0    x    z
1    y    w
2    a    b
3    a    x
4    w    y

==================================

使用 itertools：

import itertools
raw_list = list(itertools.chain(*[df.iloc[i].tolist() for i in range(df.shape[0])]))
d=dict()
counter=1
for k in raw_list:
    try: 
        _=d[k]
    except:
        d[k]=counter
        counter+=1

然后：

d

输出：

{'a': 5, 'b': 6, 'w': 4, 'x': 1, 'y': 3, 'z': 2}

希望对你有帮助！

============================================

使用因式分解：

s = df.stack()
d=dict{}
for (x,y) in zip(pd.factorize(s)[1], pd.factorize(s)[0]+1):
    d[x]=y