将数据框汇总为字典

Question

将数据框汇总为字典

4

我有一个如下的pandas数据框。

    date        hour  level
0  2015-10-27    0     2.5
1  2015-10-27    1     2.5     
2  2015-10-27    2     2.5
3  2015-10-27    3     2.5
4  2015-10-28    0     0.0
5  2015-10-28    1     0.0
6  2015-10-28    2     0.0
7  2015-10-28    3     0.0
8  2015-10-28    4     0.0
...
14 2015-10-29    0     3.23
15 2015-10-29    1     3.23
...

hour将始终从0开始递增1；它可能达到23，也可能不到。每天逐一增加一个日期项，但日期条目的数量可能因日期而异，例如-2015-10-27有4个条目，而2015-10-28则增加到第13行。对于该日期，level条目将始终具有相同的值，但该值可能不会出现在另一个日期中。

我想要的是这种形式的字典

{'2015-10-27': '3', ..., '2015-10-29': '4', ...}

字典值表示level所在的范围，即如果level是2.5，则落在[2, 3)。我的想法是选择每个“块”的第一行并创建一个新的数据框，然后遍历该数据框并应用10个if语句（level的最大值为9.xx），或者可能使用向上取整函数。但我也不知道怎么做，而且似乎非常笨拙。

有没有更简便的方法来解决这个问题？

- TheRealFakeNews

使用 DataFrame.groupby！ - shx2

@AlanH 能否请您更清楚地解释一下您的意图？您想要每个“日期”的“级别”的上限吗？如果同一日期有多个级别（来自不同的范围），该怎么办？ - Anand S Kumar

@AnandSKumar 这在我的数据框中并没有发生，这就是为什么我为每个分组都创建了相同级别条目的示例的原因。 - TheRealFakeNews

1个回答

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- Anand S Kumar · Accepted Answer

如果每个日期的level值都在同一范围内，则可以基于date进行分组（使用DataFrame.groupby()），然后对level列取max，然后将所有值向上取整（到上限），然后使用Series.to_dict()将该系列转换为字典。示例 -

df.groupby('date')['level'].first().apply(np.ceil).to_dict()

演示 -

In [44]: df
Out[44]:
          date  hour  level
0   2015-10-27     0   2.50
1   2015-10-27     1   2.50
2   2015-10-27     2   2.50
3   2015-10-27     3   2.50
4   2015-10-28     0   0.00
5   2015-10-28     1   0.00
6   2015-10-28     2   0.00
7   2015-10-28     3   0.00
8   2015-10-28     4   0.00
14  2015-10-29     0   3.23
15  2015-10-29     1   3.23

In [45]: df.groupby('date')['level'].first().apply(np.ceil).to_dict()
Out[45]: {'2015-10-27': 3.0, '2015-10-28': 0.0, '2015-10-29': 4.0}

如果你想将字典中的值转换为 int 类型，在使用 Series.astype() 方法将其转换为字典之前，可以先将值转换为 int。例如-

In [46]: df.groupby('date')['level'].first().apply(np.ceil).astype(int).to_dict()
Out[46]: {'2015-10-27': 3, '2015-10-28': 0, '2015-10-29': 4}