Python Pandas：如何在数据框的列中拆分排序的字典
问题内容：
我有一个像这样的dataFrame：
id asn orgs
0 3320 {'Deutsche Telekom AG': 2288}
1 47886 {'Joyent': 16, 'Equinix (Netherlands) B.V.': 7}
2 47601 {'fusion services': 1024, 'GCE Global Maritime':16859}
3 33438 {'Highwinds Network Group': 893}
我想对实际上是字典的’orgs’列进行排序，然后提取得到两个不同列中具有最高值的对（k，v）。像这样：
id asn org value
0 3320 'Deutsche Telekom AG' 2288
1 47886 'Joyent' 16
2 47601 'GCE Global Maritime' 16859
3 33438 'Highwinds Network Group' 893
目前，我正在运行此代码，但无法正确排序，因此我不确定如何提取具有最高价值的货币对。
df.orgs.apply(lambda x : sorted(x.items(),key=operator.itemgetter(1),reverse=True))
这给了我这样的清单：
id asn orgs
0 3320 [('Deutsche Telekom AG', 2288)]
1 47886 [('Joyent', 16),( 'Equinix (Netherlands) B.V.', 7)]
2 47601 [('GCE Global Maritime',16859),('fusion services', 1024)]
3 33438 [('Highwinds Network Group', 893)]
现在如何将键和最高值放入两个单独的列中？有人可以帮忙吗？
问题答案：
另一种方法是定义一个仅调用mindict并返回一个Series的函数，以便您可以分配给多个列（函数主体取自@Alex
Martelli的answer
）：
In [17]:
def func(x):
k = min(x, key=x.get)
return pd.Series([k, x[k]])
df[['orgs', 'value']] = df['orgs'].apply(func)
df
Out[17]:
asn id orgs value
0 3320 0 Deutsche Telekom AG 2288
1 47886 1 Equinix (Netherlands) B.V. 7
2 47601 2 fusion services 1024
3 33438 3 Highwinds Network Group 893
编辑
如果您的数据包含空dics，那么您可以测试len：
In [34]:
df = pd.DataFrame({'id':[0,1,2,3,4],
'asn':[3320,47886,47601,33438,56],
'orgs':[{'Deutsche Telekom AG': 2288},
{'Joyent': 16, 'Equinix (Netherlands) B.V.': 7},
{'fusion services': 1024, 'GCE Global Maritime':16859},
{'Highwinds Network Group': 893},{}]})
df
Out[34]:
asn id orgs
0 3320 0 {'Deutsche Telekom AG': 2288}
1 47886 1 {'Equinix (Netherlands) B.V.': 7, 'Joyent': 16}
2 47601 2 {'GCE Global Maritime': 16859, 'fusion service...
3 33438 3 {'Highwinds Network Group': 893}
4 56 4 {}
In [36]:
def func(x):
if len(x) > 0:
k = min(x, key=x.get)
return pd.Series([k, x[k]])
return pd.Series([np.NaN, np.NaN])
df[['orgs', 'value']] = df['orgs'].apply(func)
df
Out[36]:
asn id orgs value
0 3320 0 Deutsche Telekom AG 2288
1 47886 1 Equinix (Netherlands) B.V. 7
2 47601 2 fusion services 1024
3 33438 3 Highwinds Network Group 893
4 56 4 NaN NaN
