将字典条目的数据帧转换为基于现有字典的所有条目的数据帧

Question

我有一个 pandas 数据框，其中包含一个 id 和不同编码单词的相关计数。例如：

Original = pd.DataFrame(data=[[1,'1:2,2:3,3:1'],[2,'2:2,4:3']], columns=['id','words'])

我有一本字典，它具有到实际单词的映射，例如：

WordDict = {1:'A',2:'B',3:'C',4:'D'}

我想做的是创建一个新的数据框，将计数映射到所有可能单词的列，所以它看起来像：

Final =pd.DataFrame(data=[[1,2,3,1,0],[2,0,2,0,3]], columns=['id','A','B','C','D']).set_index('id')

我知道我可以将原始的“单词”列拆分为单独的列，并且可以从 WordDict 创建一个数据框，以便它具有所有可能的列，但无法弄清楚如何创建映射。

Answer 1

您可以使用正则表达式、列表理解和

DataFrame

构造函数：

import re

Final = pd.DataFrame([{WordDict.get(int(k), None): v
                      for k,v in re.findall('([^:,]+):([^:,]+)', s)}
                      for s in Original['words']], index=Original['id']
                     ).fillna(0)

或与

split

:

Final = pd.DataFrame([{WordDict.get(int(k), None): v
                       for x in s.split(',')
                       for k,v in [x.split(':')]}
                      for s in Original['words']], index=Original['id']
                     ).fillna(0)

输出：

    A  B  C  D
id            
1   2  3  1  0
2   0  2  0  3