我不知道如何解释。但是让我们来看一个例子:
我有这个词典
dictData = {'movie_id':[11,12,13],'title':['filmA','filmB','filmC']}
dictFilm = {'filmA': ['pathA1\ImageA1.jpg','pathA2\ImageA2.jpg'],
'filmB': ['pathB1\ImageB1.jpg','pathB2\ImageB2.jpg'],
'filmC':['pathC1\ImageC1.png','']}
从这些中,我将制作一个新数据
dfData = pd.DataFrame.from_dict(dictData)
dfFilm = pd.DataFrame.from_dict(dictFilm)
to_image_df = pd.DataFrame.from_dict({})
for i, row in dfFilm.iterrows():
to_image_df.at[i,'movie_id'] = int(dfData.at[i,'movie_id'])
to_image_df.at[i,'name'] = dfData.at[i,'title']
to_image_df.at[i,'path'] = dfFilm.at[i,'filmB']
print(to_image_df.head())
这给了我这个结果:
movie_id name path
0 11.0 filmA pathB1B1.jpg
1 12.0 filmB pathB2ImageB2.jpg
但我想要这样的结果:
movie_id name path
0 11.0 filmA pathA1\ImageA1.jpg
1 11.0 filmA pathA2\ImageA2.jpg
2 12.0 filmB pathB2ImageB1.jpg
3 12.0 filmB pathB2ImageB2.jpg
4 13.0 filmC pathC1ImageC1.png
map
并展平/展开。
df = pd.DataFrame(dictData)
v = df.title.map(dictFilm)
df = (pd.DataFrame(df.values.repeat(v.str.len(), axis=0), columns=df.columns)
.assign(path=list(chain.from_iterable(v)))
.replace('', np.nan)
.dropna(subset=['path']))
df
movie_id title path
0 11 filmA pathA1ImageA1.jpg
1 11 filmA pathA2ImageA2.jpg
2 12 filmB pathB1ImageB1.jpg
3 12 filmB pathB2ImageB2.jpg
4 13 filmC pathC1ImageC1.png
将melt
与merge
一起使用
dfFilm = dfFilm.melt().loc[lambda x : x['value']!='']
df = dfData.merge(dfFilm,left_on='title',right_on='variable',how='right').drop('variable',1)
df
Out[277]:
movie_id title value
0 11 filmA pathA1ImageA1.jpg
1 11 filmA pathA2ImageA2.jpg
2 12 filmB pathB1ImageB1.jpg
3 12 filmB pathB2ImageB2.jpg
4 13 filmC pathC1ImageC1.png