nueva - Python Pandas: cómo dividir un diccionario ordenado en una columna de un marco de datos

nueva columna en pandas

Question

Tengo un DataFrame como este:

id  asn      orgs
0   3320    {''Deutsche Telekom AG'': 2288}
1   47886   {''Joyent'': 16, ''Equinix (Netherlands) B.V.'': 7}
2   47601   {''fusion services'': 1024, ''GCE Global Maritime'':16859}  
3   33438   {''Highwinds Network Group'': 893}

Me gustaría ordenar la columna ''orgs'' que en realidad es un diccionario y luego extraer obtener el par (k, v) con los valores más altos en dos columnas diferentes. Me gusta esto:

id  asn      org                      value
0   3320    ''Deutsche Telekom AG''     2288
1   47886   ''Joyent''                  16
2   47601   ''GCE Global Maritime''     16859 
3   33438   ''Highwinds Network Group'' 893

Actualmente estoy ejecutando este código pero no ordena correctamente, y luego no estoy seguro de cómo extraer el par con el valor más alto.

df.orgs.apply(lambda x : sorted(x.items(),key=operator.itemgetter(1),reverse=True))

que me dio una lista como esta:

id  asn      orgs
0   3320    [(''Deutsche Telekom AG'', 2288)]
1   47886   [(''Joyent'', 16),( ''Equinix (Netherlands) B.V.'', 7)]
2   47601   [(''GCE Global Maritime'',16859),(''fusion services'', 1024)]   
3   33438   [(''Highwinds Network Group'', 893)]

Ahora, ¿cómo puedo poner la clave y el valor de la más alta en dos columnas separadas? ¿Alguien puede ayudar?

Answer 1

Esto debería funcionar:

In [1]: import pandas as pd  
In [2]: import operator
In [3]: df = pd.DataFrame({ ''id'' : [0,1,2,3],
   ...:                      ''asn'' : [3320, 47886, 47601, 33438],
   ...:                      ''orgs'' : [{''Deutsche Telekom AG'': 2288}, {''Joyent'': 16, ''Equinix (Netherlands) B.V.'': 7}, {''fusion services'': 1024, ''GCE Global Maritime'':16859}, {''Highwinds Network Group'': 893}]
   ...:                    })

In [4]: df.orgs, df[''value''] = zip(*df.orgs.apply(lambda x : sorted(x.items(),key=operator.itemgetter(1),reverse=True)[0]))

In [5]: df
Out[5]:
     asn  id                     orgs  value
0   3320   0      Deutsche Telekom AG   2288
1  47886   1                   Joyent     16
2  47601   2      GCE Global Maritime  16859
3  33438   3  Highwinds Network Group    893

Utilicé zip(* <first element of sorted dict items>) y los df.orgs a df.orgs y df.value .

Para diccionarios vacíos:

In [3]: df = pd.DataFrame({ ''id'' : [0,1,2,3],
   ...:                      ''asn'' : [3320, 47886, 47601, 33438],
   ...:                      ''orgs'' : [{''Deutsche Telekom AG'': 2288}, {''Joyent'': 16, ''Equinix (Netherlands) B.V.'': 7}, {''fusion services'': 1024, ''GCE Global Maritime'':16859}, {}]
   ...:                    })
In [4]: df.orgs.apply(lambda x : sorted(x.items(),key=operator.itemgetter(1),reverse=True)[0] if len(x) else ('''',''''))
Out[4]:
0     (Deutsche Telekom AG, 2288)
1                    (Joyent, 16)
2    (GCE Global Maritime, 16859)
3                            (, )
Name: orgs, dtype: object

In [5]: df.orgs, df[''value''] = zip(*df.orgs.apply(lambda x : sorted(x.items(),key=operator.itemgetter(1),reverse=True)[0] if len(x) else ('''','''')))

In [6]: df
Out[6]:
     asn  id                 orgs  value
0   3320   0  Deutsche Telekom AG   2288
1  47886   1               Joyent     16
2  47601   2  GCE Global Maritime  16859
3  33438   3

Answer 2

Otro enfoque define una función que simplemente llama a min en el dict y devuelve una serie para que pueda asignar varias columnas (cuerpo de la función tomado de la respuesta de @Alex Martelli ):

In [17]:

def func(x):
    k = min(x, key=x.get)
    return pd.Series([k, x[k]])
df[[''orgs'', ''value'']] = df[''orgs''].apply(func)
df

Out[17]:
     asn  id                        orgs  value
0   3320   0         Deutsche Telekom AG   2288
1  47886   1  Equinix (Netherlands) B.V.      7
2  47601   2             fusion services   1024
3  33438   3     Highwinds Network Group    893

EDITAR

Si tus datos tienen dicss vacíos, entonces puedes probar el len :

In [34]:

df = pd.DataFrame({''id'':[0,1,2,3,4],
                   ''asn'':[3320,47886,47601,33438,56],
                   ''orgs'':[{''Deutsche Telekom AG'': 2288},
                           {''Joyent'': 16, ''Equinix (Netherlands) B.V.'': 7},
                           {''fusion services'': 1024, ''GCE Global Maritime'':16859},
                           {''Highwinds Network Group'': 893},{}]})
df
Out[34]:
     asn  id                                               orgs
0   3320   0                      {''Deutsche Telekom AG'': 2288}
1  47886   1    {''Equinix (Netherlands) B.V.'': 7, ''Joyent'': 16}
2  47601   2  {''GCE Global Maritime'': 16859, ''fusion service...
3  33438   3                   {''Highwinds Network Group'': 893}
4     56   4                                                 {}
In [36]:

def func(x):
    if len(x) > 0:
        k = min(x, key=x.get)
        return pd.Series([k, x[k]])
    return pd.Series([np.NaN, np.NaN])

df[[''orgs'', ''value'']] = df[''orgs''].apply(func)
df

Out[36]:
     asn  id                        orgs  value
0   3320   0         Deutsche Telekom AG   2288
1  47886   1  Equinix (Netherlands) B.V.      7
2  47601   2             fusion services   1024
3  33438   3     Highwinds Network Group    893
4     56   4                         NaN    NaN