pandas 统计文本分隔数据并输出字典

看过来

《pandas 教程》持续更新中，提供建议、纠错、催更等加作者微信: gairuo123（备注：pandas教程）和关注公众号「盖若」ID: gairuo。跟作者学习，请进入 Python学习课程。欢迎关注作者出版的书籍：《深入浅出Pandas》和《Python之光》。

在数据处理业务实践中，有很多不规整的数据，需要将它们进行一系列的计算和统计，在今天的案例中，我们要将一个用逗号隔开的项目分别统计进它所在的统计项。

数据与需求

假定我们有以下数据：

import pandas as pd
import io

data = '''
名称      金额
苹果,鸭梨   50
鸭梨,桔子   60
桔子,香蕉   70
'''

df = pd.read_csv(io.StringIO(data), sep=r'\s+')
df
# ...

名称中都有两个水果，并用逗号分隔，后边的金额是它们共用的。

需求为将每个水果（即拆开逗号分隔的水果）的金额相加汇总，最终形成一个字典，键为水果为，值为总金额。即：

{'苹果': 50, '鸭梨': 110, '桔子': 130, '香蕉': 70}

思路

面对用逗号隔开的列表类型数据，我们第一时间想到的是将它进行爆炸，在爆炸前将它处理为列表。

接着再按名称分组，聚合它们的金额就得到了一个统计后的 Series，最后再将这个 Series 转为字典即可。

代码

拆分字符串，爆炸：

(
    df.assign(名称=df.名称.str.split(','))
    .explode('名称')
)
'''
   名称  金额
0  苹果  50
0  鸭梨  50
1  鸭梨  60
1  桔子  60
2  桔子  70
2  香蕉  70
'''

分组、聚合，再转字典，一气呵成！

(
    df.assign(名称=df.名称.str.split(','))
    .explode('名称')
    .groupby('名称', sort=False)
    .金额
    .sum()
    .to_dict()
)
# {'苹果': 50, '鸭梨': 110, '桔子': 130, '香蕉': 70}

这样就完成了最终的需求结果。

（完）

pandas 统计文本分隔数据并输出字典

数据与需求

思路

代码

相关内容