如何在不使用 python 中的循环的情况下创建引用数据框和字典的当前列的条件列？

Question

我有一个数据农场

import pandas as pd

df = pd.DataFrame({"type":  ["A" ,"A1" ,"A" ,"A1","B" ],
                  "group":  ["g1", "g2","g2","g2","g1"]})

我有一本字典

 dic ={"AlphaA": {"A":  {"g1":"A_GRP1",  "g2":"A_GRP2"},
                  "A1": {"g1":"A1_GRP1", "g2":"A1_GRP2"}},
       "AlphaB": {"B":  {"g1":"B_GRP1",  "g2":"B_GRP2"}},
      }

我必须创建一个名为“值”的列，它将使用数据框和字典并获取分配给它的值

申请条件：

如果类型是“A”或“A1”，它应该引用字典键 AlphaA 并获取相应组的值并将其分配给新列
如果类型是“B”，它应该引用字典键 AlphaB 并获取相应组的值

第一行示例：
类型是“A”因此引用字典键“AlphaA”
组是“g1
因此 :

dictt["AlphaA"]["A"]["g1"]          #would be the answer

需要输出

 final_df = pd.DataFrame({"type" :  ["A" ,"A1" ,"A" ,"A1","B" ],
                          "group":  ["g1", "g2","g2","g2","g1"],
                          "value":  ["A_GRP1", "A1_GRP2", "A_GRP2",
                                     "A1_GRP2", "B_GRP1"]})

我能够使用循环实现这一点，但它需要很多时间，
因此寻找一些快速的技术。

Answer 1

将 DataFrame.join 与通过字典理解从字典创建的系列一起使用：

d1 = {(k1, k2): v2 for k, v in d.items() for k1, v1 in v.items() for k2, v2 in v1.items()}
df = df.join(pd.Series(d1).rename('value'), on=['type','group'])
print (df)
  type group    value
0    A    g1   A_GRP1
1   A1    g2  A1_GRP2
2    A    g2   A_GRP2
3   A1    g2  A1_GRP2
4    B    g1   B_GRP1

Answer 2

假设 dic 输入字典，您可以将字典值合并到一个字典中（借助 ChainMap), convert to DataFrame and unstack to Series and merge:

from collections import ChainMap
s = pd.DataFrame(dict(ChainMap(*dic.values()))).unstack()

# without ChainMap
# d = {k: v for d in dic.values() for k,v in d.items()}
# pd.DataFrame(d).unstack()

out = df.merge(s.rename('value'), left_on=['type', 'group'], right_index=True)

输出：

  type group    value
0    A    g1   A_GRP1
1   A1    g2  A1_GRP2
3   A1    g2  A1_GRP2
2    A    g2   A_GRP2
4    B    g1   B_GRP1

Answer 3

您可以删除原始字典的外键并尝试应用于行

d = {k:v for vs in d.values() for k, v in vs.items()}
df['value'] = (df.assign(value=df['type'].map(d))
               .apply(lambda row: row['value'][row['group']], axis=1)
               )

print(d)

{'A': {'g1': 'A_GRP1', 'g2': 'A_GRP2'}, 'A1': {'g1': 'A1_GRP1', 'g2': 'A1_GRP2'}, 'B': {'g1': 'B_GRP1', 'g2': 'B_GRP2'}}

print(df)

  type group    value
0    A    g1   A_GRP1
1   A1    g2  A1_GRP2
2    A    g2   A_GRP2
3   A1    g2  A1_GRP2
4    B    g1   B_GRP1

如何在不使用 python 中的循环的情况下创建引用数据框和字典的当前列的条件列？

How can i create conditional column referring present columns of a dataframe and dictionary without using loop in python?

python

numpy

pandas