Python 对数据帧列中具有相同键的字典求和/乘法

给定一个包含多列字典的数据帧，如何将数据帧中的键相加和/或相乘以得到一列

                       A                        B
   {"ab":1, "b":2, "c":3}   {"ab":1, "b":3, "c":5}

所以加在一起你会得到另一个专栏

                    C
{"ab":2, "b":5, "c":8}

或者把你得到的

                    C
{"ab":1, "b":6, "c":15}

---

我知道如果它们只是一列数字，我可以使用sum/etc，但是如果它们是字典的列，那么最好的方法是什么呢？lambda函数？

您可以首先将dict扩展到多列DFs

df.A.apply（pd.Series）

，进行算术运算，最后将结果转换回dict:

（result）。到dict（'r'）

：

说明：

In [91]: df.A.apply(pd.Series)
Out[91]:
   ab   b   c
0   1   2   3
1  11  12  13

---

您可以首先将dicts扩展到多列DFs

df.A.apply（pd.Series）

，进行算术运算，最后将结果转换回dict:

（result）。到dict（'r'）

：

说明：

In [91]: df.A.apply(pd.Series)
Out[91]:
   ab   b   c
0   1   2   3
1  11  12  13

天真的方法：

使用它可以很好地处理dict或dict列表作为数据输入：

from pandas.io.json import json_normalize 
processed_df = json_normalize(df.T.to_dict('list'), 0)

要查找总和：

processed_df.sum()    # Append .to_dict() if you want to render it as a dictionary
ab    2
b     5
c     8
dtype: int64

processed_df.prod()    # Append .to_dict() if you want to render it as a dictionary 
ab     1
b      6
c     15
dtype: int64

df.stack().apply(pd.Series).sum(level=0)

df.stack().apply(pd.Series).prod(level=0)

要查找产品：

processed_df.sum()    # Append .to_dict() if you want to render it as a dictionary
ab    2
b     5
c     8
dtype: int64

processed_df.prod()    # Append .to_dict() if you want to render it as a dictionary 
ab     1
b      6
c     15
dtype: int64

df.stack().apply(pd.Series).sum(level=0)

df.stack().apply(pd.Series).prod(level=0)

如果dataframe有太多的列/行，这将是一种过分的杀伤力，尽管可以通过将其合并为具有单个列标题的长格式来克服。但同样，重新调整它以对齐匹配的行并进行计算将是一件非常困难的事情

---

更普遍的方法：

示例

DF

：

df = pd.DataFrame({'A': [{"ab":1, "b":2, "c":3}, {'b':4, 'c':5, 'ab':6}], 
                   'B': [{"ab":7, "b":8, "c":9}, {'b':10, 'c':11, 'ab':12}]})
df

计算总和：

processed_df.sum()    # Append .to_dict() if you want to render it as a dictionary
ab    2
b     5
c     8
dtype: int64

processed_df.prod()    # Append .to_dict() if you want to render it as a dictionary 
ab     1
b      6
c     15
dtype: int64

df.stack().apply(pd.Series).sum(level=0)

df.stack().apply(pd.Series).prod(level=0)

计算产品：

processed_df.sum()    # Append .to_dict() if you want to render it as a dictionary
ab    2
b     5
c     8
dtype: int64

processed_df.prod()    # Append .to_dict() if you want to render it as a dictionary 
ab     1
b      6
c     15
dtype: int64

df.stack().apply(pd.Series).sum(level=0)

df.stack().apply(pd.Series).prod(level=0)

将其分配回新列：

df['C'] = df.stack().apply(pd.Series).sum(level=0).to_dict('records')
df

天真的方法：

使用它可以很好地处理dict或dict列表作为数据输入：

from pandas.io.json import json_normalize 
processed_df = json_normalize(df.T.to_dict('list'), 0)

要查找总和：

processed_df.sum()    # Append .to_dict() if you want to render it as a dictionary
ab    2
b     5
c     8
dtype: int64

processed_df.prod()    # Append .to_dict() if you want to render it as a dictionary 
ab     1
b      6
c     15
dtype: int64

df.stack().apply(pd.Series).sum(level=0)

df.stack().apply(pd.Series).prod(level=0)

要查找产品：

processed_df.sum()    # Append .to_dict() if you want to render it as a dictionary
ab    2
b     5
c     8
dtype: int64

processed_df.prod()    # Append .to_dict() if you want to render it as a dictionary 
ab     1
b      6
c     15
dtype: int64

df.stack().apply(pd.Series).sum(level=0)

df.stack().apply(pd.Series).prod(level=0)

如果dataframe有太多的列/行，这将是一种过分的杀伤力，尽管可以通过将其合并为具有单个列标题的长格式来克服。但同样，重新调整它以对齐匹配的行并进行计算将是一件非常困难的事情

---

更普遍的方法：

示例

DF

：

df = pd.DataFrame({'A': [{"ab":1, "b":2, "c":3}, {'b':4, 'c':5, 'ab':6}], 
                   'B': [{"ab":7, "b":8, "c":9}, {'b':10, 'c':11, 'ab':12}]})
df

计算总和：

processed_df.sum()    # Append .to_dict() if you want to render it as a dictionary
ab    2
b     5
c     8
dtype: int64

processed_df.prod()    # Append .to_dict() if you want to render it as a dictionary 
ab     1
b      6
c     15
dtype: int64

df.stack().apply(pd.Series).sum(level=0)

df.stack().apply(pd.Series).prod(level=0)

计算产品：

processed_df.sum()    # Append .to_dict() if you want to render it as a dictionary
ab    2
b     5
c     8
dtype: int64

processed_df.prod()    # Append .to_dict() if you want to render it as a dictionary 
ab     1
b      6
c     15
dtype: int64

df.stack().apply(pd.Series).sum(level=0)

df.stack().apply(pd.Series).prod(level=0)

将其分配回新列：

df['C'] = df.stack().apply(pd.Series).sum(level=0).to_dict('records')
df