python - 对于具有一列键和一列值的 Pandas 数据框，制作另一列字典

Question

我有以下数据框:

    c1  c2          freq
0   a   [u]         [4]
1   b   [x, z, v]   [8, 3, 15]

我想得到另一列“dict”，这样

    c1  c2          freq         dict
0   a   [u]         [4]          {'u':4}
1   b   [x, z, v]   [8, 3, 15]   {'x':8, 'z':3, 'v':15}

我正在尝试这段代码:d["dict"] = d.apply(lambda row: dict(zip(row["c2"], row["freq"]))) 但这给出了错误:KeyError: ('c2', u'occurred at index c1')

不确定我做错了什么。整个练习是我有一个这样定义的全局字典:{"u":4, "v":15, "x":8, "z":3} 和我的初始数据框是:

    c1  c2
0   a   u
1   b   [x, z, v]

其中 [x, z, v] 是一个 numpy 数组。对于每一行，我想保留全局字典中具有最高值的前 2 个元素(如果它是数组)，因此对于第二行，我将保留 x 和 v。为此，我将 c2 列的每个元素转换为一个列表，创建了一个包含它们各自频率的新列，现在我想将其转换为一个字典，以便我可以按值对其进行排序。然后我将保留该行字典的前 2 个键。

d["c2"] = d["c2"].apply(lambda x: list(set(x)))
d["freq"] = d["c2"].apply(lambda x: [c[j] for j in x])
d["dict"] = d.apply(lambda row: dict(zip(row["c2"], row["freq"])))

第三行引起了问题。另外，如果有更有效的程序来完成整个事情，我很乐意提供任何建议。谢谢!

Answer 1

使用列表理解:

df['dict'] = [dict(zip(a,b)) for a, b in zip(df['c2'], df['freq'])]
print (df)
  c1         c2        freq                       dict
0  a        [u]         [4]                   {'u': 4}
1  b  [x, z, v]  [8, 3, 15]  {'x': 8, 'z': 3, 'v': 15}

或者在您的解决方案中添加 axis=1 以按行处理:

df["dict"] = df.apply(lambda row: dict(zip(row["c2"], row["freq"])), axis=1)