python - 如何使用 Pandas 替换 DataFrame 中的列条目并创建字典新旧值

Question

我有一个包含如下数据的文件:

x y
z w
a b
a x
w y

我想创建一个包含以下替换字典的文件，其中每个字符串都有一个唯一的替换编号，该替换编号由字符串在文件中首次出现的顺序决定，从左到右和从上到下读取时底部(请注意，这应该创建，未提供):

{'x':1, 'y':2, 'z':3, 'w':4 , 'a':5, 'b':6}

输出文件为:

1 2
3 3
5 6
5 1
4 2

有什么有效的方法可以用 Pandas 创建处理后的文件和字典吗？

我想到了按照以下策略创建字典:

_counter = 0
def counter():
    global _counter
    _counter += 1
    return _counter
replacements_dict = collections.defaultdict(counter)

Answer 1

您可以使用 factorize由 stack 创建的 MultiIndex 系列 , 然后 unstack最后写入文件 to_csv :

df = pd.read_csv(file, sep="\s+", header=None)

print (df)
   0  1
0  x  y
1  z  w
2  a  b
3  a  x
4  w  y

s = df.stack()
fact = pd.factorize(s)

#indexing is necessary
d = dict(zip(fact[1].values[fact[0]], fact[0] + 1))
print (d)
{'x': 1, 'y': 2, 'z': 3, 'w': 4, 'a': 5, 'b': 6}

对于新文件:

#values splited by ,
pd.Series(d).to_csv('dict.csv')
#read Series from file, convert to dict
d = pd.read_csv('dict.csv', index_col=[0], squeeze=True, header=None).to_dict()
print (d)
{'x': 1, 'y': 2, 'z': 3, 'w': 4, 'a': 5, 'b': 6}

df = pd.Series(fact[0] + 1, index=s.index).unstack()
print (df)

   0  1
0  1  2
1  3  4
2  5  6
3  5  1
4  4  2

df.to_csv('out', index=False, header=None)