我有一个Pandas 数据帧，它由一个ID和不同编码单词的相关计数组成.例如:
Original = pd.DataFrame(data=[[1,'1:2,2:3,3:1'],[2,'2:2,4:3']], columns=['id','words'])
我有一个词典，它有到实际单词的映射，例如:
WordDict = {1:'A',2:'B',3:'C',4:'D'}
我想要做的是创建一个新的数据帧，它将计数映射到所有可能单词的列，因此它看起来如下所示:
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文档的"Words"列拆分成多个单独的列，并且可以从WordDict创建一个数据帧，这样它就可以包含所有可能的列，但我不知道如何创建映射.
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).astype(int)
或使用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).astype(int)
from ast import literal_eval
Final = pd.DataFrame([{WordDict.get(k, None): v for k,v in literal_eval(f'{{{s}}}').items()}
for s in Original['words']], index=Original['id']
).fillna(0, downcast='infer')
输出:
A B C D
id
1 2 3 1 0
2 0 2 0 3