我有一个数据框 df，它看起来如下:
a b c d
0 8 xx 17 1.0
1 8 xy 19 1.0
2 8 zz 13 0.0
3 9 tt 8 5.0
我正在尝试创建一个字典，其中包含一个包含元组列表的键 像下面这样:
{8:[(17,1.0),(19,1.0),(13,0.0)], 9:[(8,5.0)]}
这里，key来自a列，元组列表是key为a的c列和d列。我也在将其应用于其他数据集并尝试过
df_new = df.groupby(['a'])[['c','d']).apply(lambda x: [tuple(x) for x in x.values])
但是，我总是报错
raise TypeError('Series.name must be a hashable type')
TypeError: Series.name must be a hashable type
我尝试删除 groupby 中的 ['a'] 并将其保留为 'a'，如下所示:
df_new = df.groupby('a')[['c','d']).apply(lambda x: [tuple(x) for x in x.values])
但是，我得到了同样的以下错误:
raise TypeError('Series.name must be a hashable type')
TypeError: Series.name must be a hashable type
我不想让原始数据帧 df 中的所有内容都不可变。我想保持原样。
有没有办法使用 pandas 功能来完成此操作？我真的不想制作列表，然后通过它们的索引将一些列表压缩在一起并从中创建一个字典。
请您参考如下方法:
使用 defaultdict
from collections import defaultdict
d = defaultdict(list)
for tup in df.itertuples():
d[tup.a].append((tup.c, tup.d))
dict(d)
{8: [(17, 1.0), (19, 1.0), (13, 0.0)], 9: [(8, 5.0)]}
*使用to_dict 和groupby *
df.set_index(['c', 'd']).groupby('a').apply(lambda df: df.index.tolist()).to_dict()
{8: [(17, 1.0), (19, 1.0), (13, 0.0)], 9: [(8, 5.0)]}
