pandas dataframe，多索引，到字典

Question

我正在尝试转换由 groupby([columns]) 产生的 pandas 数据帧。生成的索引将针对每个“target_index”不同的单词列表（下图中的示例）。用 to_dict() 转换它似乎不能直接工作（我尝试了几个东方参数）。

输入数据帧：

期望的输出（示例中只有两个键）：

{
"2060": {
    "NOUN": ["product"]
},
"3881": {
    "ADJ": ["greater", "direct", "raw"],
    "NOUN": ["manufacturing", "capital"],
    "VERB": ["increased"]
}

}

为了重新创建以下数据集：

df= pd.DataFrame([
        ["2060", "NOUN", ["product"]],
        ["2060", "ADJ", ["greater"]],
        ["3881", "NOUN", ["manufacturing", "capital"]],
        ["3881", "ADJ", ["greater", "direct", "raw"]],
        ["3881", "VERB", ["increased"]]
], columns= ["a", "b", "c"])
    
df= df.groupby(["a", "b"]).agg({"c": lambda x: x})

Answer 1

构造函数中给出的输入与图像中的不同。我在构造函数中使用了输入。您可以在 groupby.apply 中使用 lambda 将每个组转换为字典，然后将聚合转换为字典：

out = df.groupby(level=0).apply(lambda x: x.droplevel(0).to_dict()['c']).to_dict()

另一种选择是使用 itertuples 和 dict.setdefault:

out = {}
for (ok, ik), v in df.itertuples():
    out.setdefault(ok, {}).setdefault(ik, []).extend(v)

输出：

{'2060': {'ADJ': ['greater'], 'NOUN': ['product']},
 '3881': {'ADJ': ['greater', 'direct', 'raw'],
  'NOUN': ['manufacturing', 'capital'],
  'VERB': ['increased']}}

pandas dataframe，多索引，到字典

pandas dataframe, with multi-index, to dictionary

python

dictionary

pandas