Python 有没有办法从三个单独的for循环中合并三个dict？

我正在使用Pandas根据CSV文件中三个独立列的数据创建三个列表。我的名单是：

order_list = df['order'][:10].tolist()) 
user_id_list = df['user_id'][:10].tolist())
company_id_list = df['company_id'][:10].tolist())

在我的

create\u order（）

函数中，我循环遍历每个列表，并使用

enumerate（）

将项目添加到三个单独的目录中。例如：

def create_order(orders, users, companies):

    for index, order in enumerate(orders):
        x = {
            'name': order,
        }
    for index, user_id in enumerate(users):
        y = {
            'user': user_id,
        }
    for index, company_id in enumerate(companies):
        z = {
            'company': company_id,
        }

if __name__ == '__main__':
    create_order(order_list, user_id_list, company_id_list)

我想将所有三个DICT合并在一起，并从CSV文件返回每行数据的数据。但是，我需要

顺序

对象是唯一的。我已经能够合并使用返回的dicts。e、 g.

{**x，**y}

。如果我使用嵌套for循环，那么我可以通过这种方式完成dict的合并；这阻止我返回唯一的订单

最好的方法是将我的字典合并成一个dict，这样我就可以循环并返回具有唯一顺序的唯一数据

编辑/更正 这是我的原始DF输出：

     company_id                 user_id          order
  0         111                     222           order 1
  1         111                     222           order 1
  2         111                     222           order 1
  3         111                     222           order 2
  4         111                     222           order 2
  5         111                     222           order 3

以下是我对所有唯一订单的期望输出示例：

company_id   user_id               order
       111       222             order 1
       111       222             order 2
       111       222             order 3

尝试解决for循环问题的原因是需要所有所需的输出返回dict，以便通过googledfpapi导入数据库

下面是在@MeHdi的指导下具有所需输出的工作代码

df = pd.read_csv('order_data.csv')

order_list = df['order'].tolist()
user_id_list = df['user_id'].tolist()
company_id_list = df['company_id']].tolist()

for x in company_id_list:
    company_id = int(x)

    df = pd.DataFrame(
        {
            'name': order_list,
            'userId': user_id_list,
            'companyId': company_id
        }
    )

 list_obj = df.reindex(columns=['companyId', 'userId', 'name']).drop_duplicates()

 records = list_obj.to_dict('records')
 print(records)

---

这将返回上面列出的所需输出

您可以使用原始数据帧。在数据帧上使用reindex和drop_duplicates函数以获得所需的结果

df = pd.DataFrame({'order':['order1', 'order2', 'order3', 'order3'], 'user_id':[222, 222, 222, 222], 'company_id':[111, 111, 111, 111], 'column_d':['a', 'b', 'c', 'd']})

print(df)

df.reindex(columns=['company_id', 'user_id', 'order']).drop_duplicates()

---

您可以在原始数据帧上工作。在数据帧上使用reindex和drop_duplicates函数以获得所需的结果

df = pd.DataFrame({'order':['order1', 'order2', 'order3', 'order3'], 'user_id':[222, 222, 222, 222], 'company_id':[111, 111, 111, 111], 'column_d':['a', 'b', 'c', 'd']})

print(df)

df.reindex(columns=['company_id', 'user_id', 'order']).drop_duplicates()

---

相对于所示的输出，您的输入看起来是什么样的？您可能不需要在三个列表中分开，而需要对循环执行三种不同的操作。发布原始的

df

相对于显示的输出，您的输入看起来是什么样的？您可能不需要在三个列表中分开，并且为循环执行三种不同的操作。发布原始的

df

谢谢！我早些时候尝试过drop_duplicates方法，但没有成功。我不知道reindex-这正是我需要的。太好了。当然，reindex首先删除您不需要的列（或获取您需要的列），然后对新选定的列应用drop_duplicates，得到您想要的结果。祝你好运，谢谢！我早些时候尝试过drop_duplicates方法，但没有成功。我不知道reindex-这正是我需要的。太好了。当然，reindex首先删除您不需要的列（或获取您需要的列），然后对新选定的列应用drop_duplicates，得到您想要的结果。祝你好运