python把字典里的数值全部读出_python – 将数据帧汇总到字典中

我有像这样的熊猫数据框架

date hour level

0 2015-10-27 0 2.5

1 2015-10-27 1 2.5

2 2015-10-27 2 2.5

3 2015-10-27 3 2.5

4 2015-10-28 0 0.0

5 2015-10-28 1 0.0

6 2015-10-28 2 0.0

7 2015-10-28 3 0.0

8 2015-10-28 4 0.0

...

14 2015-10-29 0 3.23

15 2015-10-29 1 3.23

...

小时总是从0开始,然后递增1;它可能会或可能不会达到23.日期一次增加一天,但日期条目的数量可能因日期而异,例如 – 2015-10-27有4个条目,而2015-10-28上升到第13行.级别条目将始终具有该日期的相同值,但该值可能会或可能不会出现在另一个日期.

我想要得到的是这种形式的字典

{'2015-10-27': '3', ..., '2015-10-29': '4', ...}

字典值表示该级别落入的范围,即如果级别是2.5,则它落在[2,3]中.我想要做的只是选择每个“块”的第一行并创建一个新的数据框,然后迭代并应用10个if语句(level的最大值为9.xx)或者可能使用上限函数.但我不知道该怎么做,而且看起来很笨拙.

这样做有更简化的方法吗？

最佳答案 如果每个日期的级别的所有值都在相同的范围内,您可以根据日期进行分组(使用DataFrame.groupby()),然后将max作为level列,然后将所有值ceil(到上限),然后使用Series.to_dict()将该系列转换为字典.示例 –

df.groupby('date')['level'].first().apply(np.ceil).to_dict()

演示 –

In [44]: df

Out[44]:

date hour level

0 2015-10-27 0 2.50

1 2015-10-27 1 2.50

2 2015-10-27 2 2.50

3 2015-10-27 3 2.50

4 2015-10-28 0 0.00

5 2015-10-28 1 0.00

6 2015-10-28 2 0.00

7 2015-10-28 3 0.00

8 2015-10-28 4 0.00

14 2015-10-29 0 3.23

15 2015-10-29 1 3.23

In [45]: df.groupby('date')['level'].first().apply(np.ceil).to_dict()

Out[45]: {'2015-10-27': 3.0, '2015-10-28': 0.0, '2015-10-29': 4.0}

如果希望字典中的值为int,则可以在使用Series.astype()方法转换为字典之前将值转换为int.示例 –

In [46]: df.groupby('date')['level'].first().apply(np.ceil).astype(int).to_dict()

Out[46]: {'2015-10-27': 3, '2015-10-28': 0, '2015-10-29': 4}