python - 使用不同的 {key:value} 字典运行 Groupby

Question

在以下代码中：

import pandas as pd
import numpy as np
import random

sz = 50
df = pd.DataFrame({'Group': pd.Series(random.choice(['A', 'B']) for _ in range(sz)),
              'Key': pd.Series(np.random.randint(2, high=5, size=sz))})

dictforA = {2: 0.1, 3: 0.8, 4: 0.2}
dictforB = {3: 0.9}

...想要分配一个名为的新列Value，该列基于其各自的字典。缺失值将是 NaN。

编码： df.assign(Value=df.groupby('Group').apply(lambda x: np.where(x.index == 'A', dictforA[x.Key], dictforB[x.Key])))

给

TypeError: 'Series' objects are mutable, thus they cannot be hashed

我哪里错了？

标签： pythonpython-3.xpandasdataframepandas-groupby

Answer 1

您可以从 Group 创建一个映射器到您的字典并使用pd.Series.map

mapper = {'A': dictforA, 
          'B': dictforB}

df['Value'] = df.groupby('Group').Key.apply(lambda s: s.map(mapper[s.name]))

---

>>> print(df.head(10))

  Group  Key  Value
0     B    3    0.9
1     A    2    0.1
2     B    3    0.9
3     A    3    0.8
4     A    3    0.8
5     A    2    0.1
6     B    2    NaN
7     B    2    NaN
8     A    4    0.2
9     A    2    0.1