如何通过字典在pandas中创建新行

Question

我对pandas DataFrame有一个问题-我不明白如何创建新行并将它们与字典合并

例如，我有一个数据帧：

shops = [{'Chain': 'SeQu', 'Shop': 'Rimme', 'Location': 'UK', 'Brand': 'Rexona', 'Value': 10},
    {'Chain': 'SeQu', 'Shop': 'Rimme', 'Location': 'UK', 'Brand': 'AXE', 'Value': 20},
    {'Chain': 'SeQu', 'Shop': 'Rimme', 'Location': 'UK', 'Brand': 'Old Spice', 'Value': 30},
    {'Chain': 'SeQu', 'Shop': 'Rimme', 'Location': 'UK', 'Brand': 'Camel', 'Value': 40},
    {'Chain': 'SeQu', 'Shop': 'Rimme', 'Location': 'UK', 'Brand': 'Dove', 'Value': 50},   
    {'Chain': 'SeQu', 'Shop': 'Rum', 'Location': 'USA', 'Brand': 'Rexona', 'Value': 10},
    {'Chain': 'SeQu', 'Shop': 'Rum', 'Location': 'USA', 'Brand': 'CIF', 'Value': 20},
    {'Chain': 'SeQu', 'Shop': 'Rum', 'Location': 'USA', 'Brand': 'Old Spice', 'Value': 30},
    {'Chain': 'SeQu', 'Shop': 'Rum', 'Location': 'USA', 'Brand': 'Camel', 'Value': 40}]

同时，我有一个具有连锁品牌连接的字典数据框：

chain_brands = [{'Chain': 'SeQu', 'Brand': 'Rexona'},
    {'Chain': 'SeQu', 'Brand': 'Axe'},
    {'Chain': 'SeQu', 'Brand': 'Old Spice'},
    {'Chain': 'SeQu', 'Brand': 'Camel'},
    {'Chain': 'SeQu', 'Brand': 'Dove'},
    {'Chain': 'SeQu', 'Brand': 'CIF'}]

所以，我需要创建新行并用0填充它们，如果brand为Null。应该是这样的：

output = [{'Chain': 'SeQu', 'Shop': 'Rimme', 'Location': 'UK', 'Brand': 'Rexona', 'Value': 10},
    {'Chain': 'SeQu', 'Shop': 'Rimme', 'Location': 'UK', 'Brand': 'AXE', 'Value': 20},
    {'Chain': 'SeQu', 'Shop': 'Rimme', 'Location': 'UK', 'Brand': 'Old Spice', 'Value': 30},
    {'Chain': 'SeQu', 'Shop': 'Rimme', 'Location': 'UK', 'Brand': 'Camel', 'Value': 40},
    {'Chain': 'SeQu', 'Shop': 'Rimme', 'Location': 'UK', 'Brand': 'Dove', 'Value': 50},
    {'Chain': 'SeQu', 'Shop': 'Rimme', 'Location': 'UK', 'Brand': 'CIF', 'Value': 0},
     
    {'Chain': 'SeQu', 'Shop': 'Rum', 'Location': 'USA', 'Brand': 'Rexona', 'Value': 10},
    {'Chain': 'SeQu', 'Shop': 'Rum', 'Location': 'USA', 'Brand': 'CIF', 'Value': 20},
    {'Chain': 'SeQu', 'Shop': 'Rum', 'Location': 'USA', 'Brand': 'Old Spice', 'Value': 30},
    {'Chain': 'SeQu', 'Shop': 'Rum', 'Location': 'USA', 'Brand': 'Axe', 'Value': 0},
    {'Chain': 'SeQu', 'Shop': 'Rum', 'Location': 'USA', 'Brand': 'Camel', 'Value': 40},
    {'Chain': 'SeQu', 'Shop': 'Rum', 'Location': 'USA', 'Brand': 'Dove', 'Value': 0}]

谢谢

Answer 1

您可以从chain_brands数据帧创建多索引，然后使用groupby和reindex来解决此问题：

mi = pd.MultiIndex.from_arrays(chain_brands.values.T, names=['Chain', 'Brand'])

s = shops.set_index(['Chain', 'Brand']).\
    groupby(['Location', 'Shop']).\
    apply(lambda x: x.reindex(mi, fill_value=0)).\
    drop(columns=['Location', 'Shop']).\
    reset_index()

结果:

   Location   Shop Chain      Brand  Value
0        UK  Rimme  SeQu     Rexona     10
1        UK  Rimme  SeQu        Axe      0
2        UK  Rimme  SeQu  Old Spice     30
3        UK  Rimme  SeQu      Camel     40
4        UK  Rimme  SeQu       Dove     50
5        UK  Rimme  SeQu        CIF      0
6       USA    Rum  SeQu     Rexona     10
7       USA    Rum  SeQu        Axe      0
8       USA    Rum  SeQu  Old Spice     30
9       USA    Rum  SeQu      Camel     40
10      USA    Rum  SeQu       Dove      0
11      USA    Rum  SeQu        CIF     20