Python 如果每列每行有多个值，如何在数据帧中的两列之间创建字典？

我有一个pandas数据框，其列的格式如下所示：

test_df = pd.DataFrame(
{'A': ['apples|oranges|bananas', 'apples|oranges', 'apples|kiwi'],
 'B': ['store1|store2|store3', 'store1|store2', 'store1|store4']})

A                         B
apples|oranges|bananas    store1|store2|store3
apples|oranges            store1|store2
apples|kiwi               store1|store4

以“|”分隔的每列的索引都是有序的。除了dataframe中每行的当前项目顺序之外，没有关于哪个水果与哪个存储的键。我想为具有所需输出的每一行创建一个新列，其中包含一个字典：

A                         B                     C
apples|oranges|bananas    store1|store2|store3  {store1:apples, store2:oranges, store3:bananas}
apples|oranges            store1|store2         {store1:apples, store2:oranges}
apples|kiwi               store1|store4         {store1:apples, store4:kiwi}

首先，我尝试将A列和B列转换为列表，并将它们转换为字典

test_df.A = test_df.A.str.split('|').tolist()
test_df.B = test_df.B.str.split('|').tolist()

我尝试了几种将列表转换为词典的不同方法：

test_df['C'] = dict(zip(test_df.A,test_df.B))

不工作并导致“TypeError:“dict”对象不可调用”错误

test_df.groupby('A')['B'].apply(list).to_dict()

不起作用并导致“Unhabable type:'list”错误，我认为这是因为“B”中的字典键有多个值

---

我能做些什么来解决这个问题呢？

如果你真的需要维护这个组织，你可以通过（缓慢的）应用程序来解决，首先拆分字符串，压缩结果列表，然后编写命令：

test_df['C'] = test_df.apply(lambda r: dict(zip(r.B.split('|'), r.A.split('|'))), axis=1)

                        A                     B                                                               C
0  apples|oranges|bananas  store1|store2|store3  {'store1': 'apples', 'store2': 'oranges', 'store3': 'bananas'}
1          apples|oranges         store1|store2                       {'store1': 'apples', 'store2': 'oranges'}
2             apples|kiwi         store1|store4                          {'store1': 'apples', 'store4': 'kiwi'}

因为字典必须有唯一的键，如果

B

中的存储在同一行重复，请将

dict

更改为

tuple

，这样您就可以存储所有内容

---

但是，您可以使用

explode

获得类似的组织。由于这将以一种简单的方式存储所有数据，因此将来的操作将更加容易和高效。因为我们分解列，所以索引是重复的，并允许您知道它来自哪一行

test_df =  pd.concat([test_df[col].str.split('|').explode() for col in test_df.columns], 1)

         A       B
0   apples  store1
0  oranges  store2
0  bananas  store3
1   apples  store1
1  oranges  store2
2   apples  store1
2     kiwi  store4

---

如果您确实需要维护该组织，您可以（缓慢地）应用程序，首先拆分字符串，压缩生成的列表，然后编写命令：

test_df['C'] = test_df.apply(lambda r: dict(zip(r.B.split('|'), r.A.split('|'))), axis=1)

                        A                     B                                                               C
0  apples|oranges|bananas  store1|store2|store3  {'store1': 'apples', 'store2': 'oranges', 'store3': 'bananas'}
1          apples|oranges         store1|store2                       {'store1': 'apples', 'store2': 'oranges'}
2             apples|kiwi         store1|store4                          {'store1': 'apples', 'store4': 'kiwi'}

因为字典必须有唯一的键，如果

B

中的存储在同一行重复，请将

dict

更改为

tuple

，这样您就可以存储所有内容

---

但是，您可以使用

explode

获得类似的组织。由于这将以一种简单的方式存储所有数据，因此将来的操作将更加容易和高效。因为我们分解列，所以索引是重复的，并允许您知道它来自哪一行

test_df =  pd.concat([test_df[col].str.split('|').explode() for col in test_df.columns], 1)

         A       B
0   apples  store1
0  oranges  store2
0  bananas  store3
1   apples  store1
1  oranges  store2
2   apples  store1
2     kiwi  store4

---

我会认真重新考虑你的数据组织。数据帧最适合于平面数据，其中每个单元格都保存一个简单值。MutliIndex允许您存储更多层次化的数据，同时保留这个扁平的组织，并且仍然允许您从pandas的性能中获益。我将认真重新思考您的数据组织。数据帧最适合于平面数据，其中每个单元格都保存一个简单值。MutliIndex允许您存储更多层次化数据，同时保留这个扁平的组织，并且仍然允许您从pandas的性能中获益。感谢您的解决方案，我想我现在理解了explode对于存储这些数据的重要性。不幸的是，使用这两种方法，我仍然会遇到一些错误。第一个解决方案给我一个“TypeError:（“'dict'对象不可调用”，“在索引0处发生”）消息，explode方法给我一个“AttributeError:'Series'对象没有属性'explode'。有没有任何理由说明这可能不起作用？@Erika the second可能不起作用，因为你的熊猫版本太旧了。我想它是在0.24引入的，所以如果可以的话，它可能值得更新你的熊猫。第一种方法可能不起作用，因为您意外地将一个变量定义为

dict=

，所以您重写了内置的

dict

类。您需要重新启动内核，并确保不命名变量

dict

。感谢您的解决方案，我想我现在已经理解了explode对于存储这些数据的重要性。不幸的是，使用这两种方法，我仍然会遇到一些错误。第一个解决方案给我一个“TypeError:（“'dict'对象不可调用”，“在索引0处发生”）消息，explode方法给我一个“AttributeError:'Series'对象没有属性'explode'。有没有任何理由说明这可能不起作用？@Erika the second可能不起作用，因为你的熊猫版本太旧了。我想它是在0.24引入的，所以如果可以的话，它可能值得更新你的熊猫。第一种方法可能不起作用，因为您意外地将一个变量定义为

dict=

，所以您重写了内置的

dict

类。您需要重新启动内核并确保没有命名变量

dict