提问人：Big_Soup 提问时间：5/3/2023 最后编辑：Big_Soup 更新时间：5/3/2023 访问量：22
通过将现有列与字典键元组索引匹配，并从嵌套字典中获取值，在 pandas df 中创建新列
Creating a new column in a pandas df by matching an existing column to a dictionary key tuple index, and taking a value from a nested dictionary
问：
假设我有一只熊猫狗，需要将它们与它们的字典相匹配，它们的主人从 XML 文件中读取。
狗DF
| 狗名 | 狗的种类 |
|---|---|
| 拉里 | 施氏 |
| 雪 莉 | 黑色实验室 |
| 科达 | 沙哑 |
dogOwners = {（'Larry'， 'Shihtzu'） ： {'体重（磅）' ： 15， '主人' ： 'Shawn' '药物（每天）' ： 2}， （'雪莉'， '黑色实验室'） ： {'体重（磅）' ： 67， '主人' ： '马克'}， （'科达'， '赫斯基'） ： {'体重（磅）' ： 82， '主人' ： '劳拉'， '药物（每天）' ： 1}}
狗DF
| 狗名 | 狗的种类 | 所有者 |
|---|---|---|
| 拉里 | 施氏 | 肖恩 |
| 雪 莉 | 黑色实验室 | 马克 |
| 科达 | 沙哑 | 劳 拉 |
如果词典的格式应该改变，我愿意接受建议。感谢您的帮助！
我已经试过了： dogsDF['所有者'] = dogsDF['狗名'].apply（lambda x ： dogOwners.get（x））.fillna（''）
答：
0赞
mozway
5/3/2023
#1
您可以借助json_normalize将您的词典转换为，然后合并：DataFrame
tmp = (pd.json_normalize(dogOwners.values())
.set_axis(dogOwners.keys())
.rename_axis(['Dog Name', 'Dog Type'])
)
out = pd.merge(df, tmp, on=['Dog Name', 'Dog Type'])
输出：
Dog Name Dog Type Weight(lbs) Owner Medication(per day)
0 Larry Shihtzu 15 Shawn 2.0
1 Shelly Black Lab 67 Mark NaN
2 Koda Husky 82 Laura 1.0
您可以筛选要使用的列：
out = pd.merge(df, tmp[['Owner']], on=['Dog Name', 'Dog Type'])
输出：
Dog Name Dog Type Owner
0 Larry Shihtzu Shawn
1 Shelly Black Lab Mark
2 Koda Husky Laura
更好的数据格式可能是字典列表：
lst = [{'Dog Name': 'Larry', 'Dog Type': 'Shihtzu', 'Weight(lbs)': 15, 'Owner': 'Shawn', 'Medication(per day)': 2.0},
{'Dog Name': 'Shelly', 'Dog Type': 'Black Lab', 'Weight(lbs)': 67, 'Owner': 'Mark'},
{'Dog Name': 'Koda', 'Dog Type': 'Husky', 'Weight(lbs)': 82, 'Owner': 'Laura', 'Medication(per day)': 1.0},
]
tmp = pd.DataFrame(lst)
0赞
Vincent Rupp
5/3/2023
#2
该代码不起作用，因为您的字典键是狗的名称和类型。然后“Owner”是该字典的键，但您可以使用当前的字典结构完成您想要的东西。dogOwners.get(x)
可重现的例子：
dogOwners = {('Larry', 'Shihtzu') : {'Weight(lbs)' : 15, 'Owner' : 'Shawn', 'Medication(per day)' : 2}, ('Shelly', 'Black Lab') : {'Weight(lbs)' : 67, 'Owner' : 'Mark'}, ('Koda', 'Husky') : {'Weight(lbs)' : 82, 'Owner' : 'Laura', 'Medication(per day)' : 1}}
dogsdict = {'Dog Name':['Larry', 'Shelly', 'Koda'], 'Dog Type':['Shihtzu', 'Black Lab', 'Husky']}
dogsDF = pd.DataFrame(dogsdict)
dogsDF['Owner'] = dogsDF.apply(lambda row: dogOwners.get((row["Dog Name"], row["Dog Type"]),"")['Owner'], axis=1)
顺便说一句，如果键不存在，第二个参数将自动返回 “”，因此您可以跳过.get().fillna()
希望对您有所帮助！
评论