python - 如何在python3中对字典元素进行分组

Question

我有像下面这样的字典，试图将字典与成员的进入/退出时间分组。

summary = {
    0: {
        'member_id': 10,
        'entry_time': '08:10 PM',
        'entry_device': 'Front',
        'exit_time': None,
        'exit_device': None
    },
    1: {
        'member_id': 8,
        'entry_time': '10:10 PM',
        'entry_device': 'Front',
        'exit_time': None,
        'exit_device': None
    },
    2: {
        'member_id': 10,
        'entry_time': None,
        'entry_device': None,
        'exit_time': '09:05 PM',
        'exit_device': 'Gate'
    },
    3: {
        'member_id': 8,
        'entry_time': None,
        'entry_device': None,
        'exit_time': '11:55 PM',
        'exit_device': 'Gate'
    },
    4: {
        'member_id': 10,
        'entry_time': '11:56 PM',
        'entry_device': 'Front',
        'exit_time': None,
        'exit_device': None
    }
}

这是我的代码，只是卡在这里。尝试为摘要中的元素附加 member_list。

summary_data = {}
for i, _ in summary.items():
    summary_data[str(i)] = {}
    member_list = []
    member_list.append(summary_data[i]['member_id'])

需要在新字典中为成员的进入和退出时间分组

summary = {
    0: {
        'member_id': 10,
        'entry_time': '08:10 PM',
        'entry_device': 'Front',
        'exit_time': '09:05 PM',
        'exit_device': 'Gate'
    },
    1: {
        'member_id': 8,
        'entry_time': '10:10 PM',
        'entry_device': 'Front',
        'exit_time': '11:55 PM',
        'exit_device': 'Gate'
    },
    2: {
        'member_id': 10,
        'entry_time': '11:56 PM',
        'entry_device': 'Front',
        'exit_time': '-',
        'exit_device': '-'
    },
}

Answer 1

你可以使用 pandas。

首先按member_id 对值进行排序，然后使用shift 填充相应entry_time 的下一个exit_time。使用 drop_duplicates 删除具有相同 member_id 和 exit_time

的重复行

import pandas as pd
import numpy as np     

df = pd.DataFrame.from_dict(summary, orient='index')

df = df.sort_values(by='member_id')
df0 = df.shift(-1)

df['exit_time'] = np.where(df['exit_time'].isnull(), df0['exit_time'], df['exit_time'])
df['exit_device'] = np.where(df['exit_device'].isnull(), df0['exit_device'], df['exit_device'])
df = df.drop_duplicates(subset=['member_id','exit_time'], keep='first')

# if you want to fill nan with `-` then use below
# df = df.fillna("-")

print(df.to_dict(orient='records'))

输出:

[{'entry_device': 'Front',                                                                                                              
  'entry_time': '10:10 PM',                                                                                                             
  'exit_device': 'Gate',                                                                                                                
  'exit_time': '11:55 PM',                                                                                                              
  'member_id': 8},                                                                                                                      
 {'entry_device': 'Front',                                                                                                              
  'entry_time': '08:10 PM',                                                                                                             
  'exit_device': 'Gate',                                                                                                                
  'exit_time': '09:05 PM',                                                                                                              
  'member_id': 10},                                                                                                                     
 {'entry_device': 'Front',                                                                                                              
  'entry_time': '11:56 PM',                                                                                                             
  'exit_device': nan,                                                                                                                   
  'exit_time': nan,                                                                                                                     
  'member_id': 10}]