python - Pandas 数据框到字典值

Question

我有一个三列数据报，打算按照给定的格式在字典中转换:

数据报:

user_id item_id ratings
3         2       3
3         3       4
1         3       1
2         1       4

用户数 = 3

项目数量 = 3

评分 = 0 到 5

字典=

{user_id1:[rating_for_item1, rating_for_item2, rating_for_item3],
 user_id2:[.same as previous.],
 user_id3:[..same as prev..]}

例如，

{1:[0,0,1], 2:[4,0,0], 3:[0,3,4]}

所以，到目前为止我能做的就是输出如下:

{1:{3:1}, 2:{1:4}, 3:{2:3, 3:4}} #{user_id:{item_id:rating}.....}

上面输出的代码是这样的:

import pandas as pd
data = {}
cols = ['user_id', 'item_id', 'ratings']
pf = pd.read_csv('filename', sep='\t', names= cols)
for user, item, rate in pf.values: data.setdefault(user,{})[item] = rate
print data

我的代码中缺少什么，或者我完全走错了路。请帮忙。

Answer 1

我会pivot 然后构建字典。例如:

pdf = df.pivot("user_id", "item_id").fillna(0)
d = {k: v.tolist() for k,v in pdf.iterrows()}

产生

>>> d
{1: [0.0, 0.0, 1.0], 2: [4.0, 0.0, 0.0], 3: [0.0, 3.0, 4.0]}

---

一、框架:

>>> df
   user_id  item_id  ratings
0        3        2        3
1        3        3        4
2        1        3        1
3        2        1        4

枢轴:

>>> pdf = df.pivot("user_id", "item_id")
>>> pdf
         ratings        
item_id        1   2   3
user_id                 
1            NaN NaN   1
2              4 NaN NaN
3            NaN   3   4

用 0 替换 NaN:

>>> pdf = df.pivot("user_id", "item_id").fillna(0)
>>> pdf
         ratings      
item_id        1  2  3
user_id               
1              0  0  1
2              4  0  0
3              0  3  4

并使用字典理解构建一个按行的字典:

>>> d = {k: v.tolist() for k,v in pdf.iterrows()}
>>> d
{1: [0.0, 0.0, 1.0], 2: [4.0, 0.0, 0.0], 3: [0.0, 3.0, 4.0]}

有很多方法可以完成这最后一步，包括 dict(zip(pdf.index, pdf.values.tolist()))，但其中许多方法并不那么容易概括当你想稍微调整一下时。