Python 根据秩值按列表元素填充数据帧

我有一个排名值的数据框，例如，1表示最佳，5表示最差。索引是我的示例，列是特征

输入：

索引A B C D E
项目1 1 4 2 3 5
项目2 3 4 5 1
项目3 2 5 4 3 1

我想创建一个Dataframe，根据功能的等级显示其元素。列是从1到5的等级，内容是功能

输出：

索引12345
项目1 A C D B E
项目2 E A B C D
项目3 E A D C B

---

这里有一种使用熊猫的方法：

我不确定您的数据帧以何种格式开始（csv？pandas dataframe？），但在任何情况下，您首先需要将数据帧放入pandas中，如下所示：

>>> df
       A  B  C  D  E
index               
item1  1  4  2  3  5
item2  2  3  4  5  1
item3  2  5  4  3  1

import pandas as pd
df_dict = df.T.to_dict()
sorted_vals = [sorted(df_dict[i], key=df_dict[i].get) for i in df_dict.keys()]
new_df=pd.DataFrame(sorted_vals,
                    index=df.index,
                    columns=list(range(1,len(df.columns)+1)))

>>> new_df
       1  2  3  4  5
index               
item1  A  C  D  B  E
item2  E  A  B  C  D
item3  E  A  D  C  B

>>> df_dict
{'item1': {'A': 1, 'B': 4, 'C': 2, 'D': 3, 'E': 5}, 'item2': {'A': 2, 'B': 3, 'C': 4, 'D': 5, 'E': 1}, 'item3': {'A': 2, 'B': 5, 'C': 4, 'D': 3, 'E': 1}}

然后，您可以按照您希望的方式操作它，如下所示：

>>> df
       A  B  C  D  E
index               
item1  1  4  2  3  5
item2  2  3  4  5  1
item3  2  5  4  3  1

import pandas as pd
df_dict = df.T.to_dict()
sorted_vals = [sorted(df_dict[i], key=df_dict[i].get) for i in df_dict.keys()]
new_df=pd.DataFrame(sorted_vals,
                    index=df.index,
                    columns=list(range(1,len(df.columns)+1)))

>>> new_df
       1  2  3  4  5
index               
item1  A  C  D  B  E
item2  E  A  B  C  D
item3  E  A  D  C  B

>>> df_dict
{'item1': {'A': 1, 'B': 4, 'C': 2, 'D': 3, 'E': 5}, 'item2': {'A': 2, 'B': 3, 'C': 4, 'D': 5, 'E': 1}, 'item3': {'A': 2, 'B': 5, 'C': 4, 'D': 3, 'E': 1}}

要引导您完成它，第一步（

df.T.To_dict（）

）创建一个如下所示的字典：

>>> df
       A  B  C  D  E
index               
item1  1  4  2  3  5
item2  2  3  4  5  1
item3  2  5  4  3  1

import pandas as pd
df_dict = df.T.to_dict()
sorted_vals = [sorted(df_dict[i], key=df_dict[i].get) for i in df_dict.keys()]
new_df=pd.DataFrame(sorted_vals,
                    index=df.index,
                    columns=list(range(1,len(df.columns)+1)))

>>> new_df
       1  2  3  4  5
index               
item1  A  C  D  B  E
item2  E  A  B  C  D
item3  E  A  D  C  B

>>> df_dict
{'item1': {'A': 1, 'B': 4, 'C': 2, 'D': 3, 'E': 5}, 'item2': {'A': 2, 'B': 3, 'C': 4, 'D': 5, 'E': 1}, 'item3': {'A': 2, 'B': 5, 'C': 4, 'D': 3, 'E': 1}}

从中，您可以按其值对每个子字典进行排序（

sorted\u vals=[sorted（df\u dict[i]，key=df\u dict[i].get）for df\u dict.keys（）]

），结果如下：

>>> sorted_vals
[['A', 'C', 'D', 'B', 'E'], ['E', 'A', 'B', 'C', 'D'], ['E', 'A', 'D', 'C', 'B']]

---

最后一行从列表列表中生成新的数据框，并使用1到n_列作为列名

数据框的起始格式是什么？这正是我需要的！我的数据是一个数据框，谢谢！我还有一个问题，为什么我在排序时需要“df_dict.keys（）中的I”，以及为什么在创建新数据帧时需要“我在排序中的I”？它会工作得更快吗？事实上，你是对的，你不需要

i for i in sorted\u vals

。我已经编辑了我的答案for i只是迭代字典键，以便对每个子字典进行排序。您真的很有帮助！非常感谢。