Python 将数据帧转换为字典值

我有三列数据报，打算以给定格式在字典中转换：

数据报：

user_id item_id ratings
3         2       3
3         3       4
1         3       1
2         1       4

用户数量=3

项目编号=3

评级=0到5

字典=

{user_id1:[rating_for_item1, rating_for_item2, rating_for_item3],
 user_id2:[.same as previous.],
 user_id3:[..same as prev..]}

例如

到目前为止，我可以做的是输出如下：

{1:{3:1}, 2:{1:4}, 3:{2:3, 3:4}} #{user_id:{item_id:rating}.....}

上述输出的代码如下所示：

import pandas as pd
data = {}
cols = ['user_id', 'item_id', 'ratings']
pf = pd.read_csv('filename', sep='\t', names= cols)
for user, item, rate in pf.values: data.setdefault(user,{})[item] = rate
print data

---

我的代码中缺少了什么，或者我完全走错了路。请帮助。

如何将您拥有的东西处理成您想要的东西

from collections import defaultdict

processed_data = defaultdict(list)
for k,v in data.items():
    for idx in range(1, 4): # Make sure we check each item
                            # from (1 to 3 inclusive) for each iteration
                            # of the dictionary
        val = v.get(idx, 0)
        processed_data[k].append(val)

处理的_数据

产生：

defaultdict(<type 'list'>, {1: [0, 0, 1], 2: [4, 0, 0], 3: [0, 3, 4]})

产生

{1: [0, 0, 1], 2: [4, 0, 0], 3: [0, 3, 4]}

---

我将

pivot

，然后构建dict。例如：

pdf = df.pivot("user_id", "item_id").fillna(0)
d = {k: v.tolist() for k,v in pdf.iterrows()}

产生

>>> d
{1: [0.0, 0.0, 1.0], 2: [4.0, 0.0, 0.0], 3: [0.0, 3.0, 4.0]}

---

首先，框架：

>>> df
   user_id  item_id  ratings
0        3        2        3
1        3        3        4
2        1        3        1
3        2        1        4

支点：

>>> pdf = df.pivot("user_id", "item_id")
>>> pdf
         ratings        
item_id        1   2   3
user_id                 
1            NaN NaN   1
2              4 NaN NaN
3            NaN   3   4

将

NaN

s替换为0：

>>> pdf = df.pivot("user_id", "item_id").fillna(0)
>>> pdf
         ratings      
item_id        1  2  3
user_id               
1              0  0  1
2              4  0  0
3              0  3  4

并使用字典理解功能构建行字典：

>>> d = {k: v.tolist() for k,v in pdf.iterrows()}
>>> d
{1: [0.0, 0.0, 1.0], 2: [4.0, 0.0, 0.0], 3: [0.0, 3.0, 4.0]}

---

有很多方法可以完成最后一步，包括

dict（zip（pdf.index，pdf.values.tolist（））

，但当您想稍微调整一下时，其中许多方法都不容易概括。

但是，哪一种（第一个答案或您的答案）性能更快。因为现在，我正在处理大量的数据，所以性能很重要！感谢您提供了较少的代码BTWAs规则，应该避免Python级别的循环（这包括在理解中）。但对什么会更快的猜测往往是错误的；从你的数据中选取一小部分，自己计时。

>>> pdf = df.pivot("user_id", "item_id").fillna(0)
>>> pdf
         ratings      
item_id        1  2  3
user_id               
1              0  0  1
2              4  0  0
3              0  3  4

>>> d = {k: v.tolist() for k,v in pdf.iterrows()}
>>> d
{1: [0.0, 0.0, 1.0], 2: [4.0, 0.0, 0.0], 3: [0.0, 3.0, 4.0]}