我有一個資料框，其中包含保存在兩列下的字典：
Name Trust_Value Affordability_Value
0 J. {'J.': 0.25, 'M.': 0.23} {'Z.': 0.024, 'M.': 0.34}
1 M. {'M.': 0.12, 'S.': 0.14} {'S.': 0.017, 'B.': 0.21}
1 C. {'S.': 0.21, 'N.': 0.13} {'D.': 0.015, 'B.': 0.22}
對于每個名稱，我希望有單獨的資料框，包括Name感興趣的資料框Trust_Value（單獨列中的Affordability_Value鍵和值）和（單獨列中的鍵和值）：
df1 (J.):
Name Trust_Key Trust_Value Affordability_Key Affordability_Value
0 J. J. 0.25 Z. 0.024
M. 0.23 M. 0.34
df2 (M.):
Name Trust_Key Trust_Value Affordability_Key Affordability_Value
0 M. M. 0.12 S. 0.017
S. 0.14 B. 0.021
df3 (C.):
Name Trust_Key Trust_Value Affordability_Key Affordability_Value
0 M. S. 0.21 D. 0.015
N. 0.13 B. 0.22
我在拆分鍵值對方面沒有任何困難：我的困難在于生成可以將這些值包含在不同列中的不同資料幀。
df.head().to_dict() 的輸出如下（我只取了前三個元素）：
{'Name': {0: 'J.',
1: 'M.',
2: 'C.',
},
'Trust_Value': {0: {'J.': 0.25,
'M.': 0.23, 'D.': 0.22, 'S.':0.12,'N.':0.12}, 1: {'M.': 0.12, 'S.': 0.14, 'C.': 0.12, 'D.': 0.12}, 2: {'S.': 0.21, 'N.': 0.13, 'C.':0.34, 'D.':0.12, 'T.':0.42}}, 'Affordability_Value':{0: {'Z.': 0.024,
'M.': 0.34, 'D.': 0.21, 'X.':0.23,'N.':0.15}, 1: {'S.': 0.51, 'B.': 0.21, 'C.': 0.29, 'D.': 0.12}, 2: {'D.': 0.26, 'B.': 0.26, 'C.':0.38, 'D2.':0.25, 'T.':0.42}}}
uj5u.com熱心網友回復：
你首先需要explode你的字典：
df2 = (df.assign(Trust_Key=df['Trust_Value'].apply(lambda d: d.values()),
Affordability_Key=df['Affordability_Value'].apply(lambda d: d.values())
)
.set_index('Name')
.apply(pd.Series.explode)
.reset_index()
)
輸出：
Name Trust_Value Affordability_Value Trust_Key Affordability_Key
0 J. J. Z. 0.25 0.024
1 J. M. M. 0.23 0.34
2 J. D. D. 0.22 0.21
3 J. S. X. 0.12 0.23
4 J. N. N. 0.12 0.15
5 M. M. S. 0.12 0.51
6 M. S. B. 0.14 0.21
7 M. C. C. 0.12 0.29
8 M. D. D. 0.12 0.12
...
然后您可以使用groupby以下方法拆分新資料框：
for name, d in df2.groupby('Name'):
print(name)
print(d)
# you can save to CSV instead
# d.to_csv(f'{name}.csv')
輸出：
C.
Name Trust_Value Affordability_Value Trust_Key Affordability_Key
9 C. S. D. 0.21 0.26
10 C. N. B. 0.13 0.26
11 C. C. C. 0.34 0.38
12 C. D. D2. 0.12 0.25
13 C. T. T. 0.42 0.42
...
uj5u.com熱心網友回復：
要重新格式化 DataFrame，您可以保存不同列的鍵和值，然后用它重新創建一個新的 DataFrame。
然后，為了保存未知數量的新資料幀，可以將它們保存到字典中，并通過它們的名稱訪問它們。
import pandas as pd
df = pd.DataFrame({'Name': {0: 'J.', 1: 'M.', 2: 'C.', },
'Trust_Value': {0: {'J.': 0.25, 'M.': 0.23, 'D.': 0.22, 'S.':0.12,'N.':0.12}, 1: {'M.': 0.12, 'S.': 0.14, 'C.': 0.12, 'D.': 0.12}, 2: {'S.': 0.21, 'N.': 0.13, 'C.':0.34, 'D.':0.12, 'T.':0.42}},
'Affordability_Value':{0: {'Z.': 0.024, 'M.': 0.34, 'D.': 0.21, 'X.':0.23,'N.':0.15}, 1: {'S.': 0.51, 'B.': 0.21, 'C.': 0.29, 'D.': 0.12}, 2: {'D.': 0.26, 'B.': 0.26, 'C.':0.38, 'D.':0.25, 'T.':0.42}}})
dict_df = {}
for index, row in df.iterrows():
#Get Name
Name = row["Name"]
#Get Trust_Key & Trust_Value
Trust_Keys = row["Trust_Value"].keys()
Trust_Values = row["Trust_Value"].values()
#Get Affordability_Key & Affordability_Value
Affordability_Keys = row["Affordability_Value"].keys()
Affordability_Values = row["Affordability_Value"].values()
dfx = pd.DataFrame(list(zip(Trust_Keys, Trust_Values, Affordability_Keys, Affordability_Values)),
columns=["Trust_Key", "Trust_Value", "Affordability_Key", "Affordability_Value"])
dict_df[f"df{Name}"] = dfx
#Acces the differents dataframes
for df_name in dict_df:
print(dict_df[df_name])
希望這能回答你的問題！
轉載請註明出處，本文鏈接：https://www.uj5u.com/ruanti/365130.html
上一篇：Python-在另一個串列中查找串列的所有出現？[復制]
下一篇：解包集合時記憶體中會發生什么？