如何将熊猫系列中的值分离到字典中?

Question

我有一个像这样的熊猫系列:

LIST  0     ITEM1
1           Element1
2           Element2
3           Element3           
4           Element4
5           Element5
6           Element6
7           Element7
8           ITEM2
9           Element8
10          ELEMENT9
11          ELEMENT10
12          Element11
13          Element12      
14          Element13
15          Element14
16          Element2
17          Element24
18          Element25
19          Element26
20          ITEM3
21          Element28
Name: Items, dtype: object

我想把Items和元素对象分开。在实际示例中，元素并不都称为"elements"，"Items"也是如此，所以我无法将代码连接到命名(如包含"elements"和包含"Items")。我需要通过字典键或数据框列访问这些值。例如:

df['ITEMS1'] should give the first elements: Element1 to Element7.
or dict['ITEMS'] should be connected to the first 7 elements as well.

如何将元素与项分开?

Answer 1

使用str.contains和cumsum创建组。在导出为列表之前，为每个组创建一个tuple列表。最后将元组的列表转换为字典。

d = dict(df.groupby(df['LIST'].str.contains('^ITEM').cumsum())['LIST'] 
.apply(lambda x: (x.iloc[0], x.iloc[1:].tolist())).tolist())
print(d)
# Output:
{'ITEM1': ['Element1',
'Element2',
'Element3',
'Element4',
'Element5',
'Element6',
'Element7'],
'ITEM2': ['Element8',
'ELEMENT9',
'ELEMENT10',
'Element11',
'Element12',
'Element13',
'Element14',
'Element2',
'Element24',
'Element25',
'Element26'],
'ITEM3': ['Element28']}

注意:你必须找到一种方法来区分Item和Element，但想法是一样的。

Answer 2

您可以使用字典推导:

print ({i.iloc[0]: i.iloc[1:].tolist() for _, i in df.groupby(df["Items"].str.startswith("ITEM").cumsum())["Items"]})
{'ITEM1': ['Element1', 'Element2', 'Element3', 'Element4', 'Element5', 'Element6', 'Element7'],
'ITEM2': ['Element8', 'ELEMENT9', 'ELEMENT10', 'Element11', 'Element12', 'Element13', 'Element14',
'Element2', 'Element24', 'Element25', 'Element26'],
'ITEM3': ['Element28']}

Answer 3

您也可以使用:

item_index = df[df["col"].str.startswith("ITEM")].index.to_list()
data = np.split(df['col'].to_numpy(), item_index)
df = pd.DataFrame(data[1:]).set_index(0).T

输出:

0      ITEM1      ITEM2      ITEM3
1   Element1   Element8  Element28
2   Element2   ELEMENT9       None
3   Element3  ELEMENT10       None
4   Element4  Element11       None
5   Element5  Element12       None
6   Element6  Element13       None
7   Element7  Element14       None
8       None   Element2       None
9       None  Element24       None
10      None  Element25       None
11      None  Element26       None