数据框存在/不存在的字典

Question

从2D字典中，如何将其转换为数据框或存在/不存在的矩阵，其中列表中的值是列，键是行名？我将目标列表中的值累加到一个矩阵中。我一直在尝试，但是没有成功：values = set()for genome, info in dict_cluster.items():    for v in info:        #t = [genome, ([v for v in info])]        t = [genome,v]    print pd.DataFrame(t)输入：A ['arylpolyene', 'hserlactone', 'hserlactone', 'nrps', 'siderophore', 't1pks-nrps', 'terpene', 'thiopeptide', 'transatpks-nrps']B ['hserlactone', 'hserlactone-arylpolyene', 'nrps', 'siderophore', 'thiopeptide']C ['nrps', 'nrps', 'nrps', 'siderophore', 't1pks-nrps', 't1pks-nrps']D ['nrps', 'siderophore', 't1pks-nrps']输出：    arylpolyene siderophore hserlactone-arylpolyene transatpks-nrps terpene thiopeptide hserlactone nrps    t1pks-nrpsA   1   2   0   1   1   1   2   1   1B   0   1   1   0   0   1   1   1   0C   0   1   0   0   0   0   0   3   2D   0   1   0   0   0   0   0   1   1我的输出是这样的：                 00  GCF_900068895.11  transatpks-nrps                 00  GCA_002415165.11      thiopeptide                 00  GCA_000367685.21       t1pks-nrps                 00  GCA_002732135.11       t1pks-nrps

Answer 1

也许您正在寻找这样的东西：

val = {'A': ['arylpolyene', 'hserlactone', 'hserlactone', 'nrps', 'siderophore', 't1pks-nrps', 'terpene', 'thiopeptide', 'transatpks-nrps'],

       'B': ['hserlactone', 'hserlactone-arylpolyene', 'nrps', 'siderophore', 'thiopeptide'],

       'C': ['nrps', 'nrps', 'nrps', 'siderophore', 't1pks-nrps', 't1pks-nrps'],

       'D': ['nrps', 'siderophore', 't1pks-nrps']}

all_val = []

for k in val:

    for v in val[k]:

        all_val.append((k,v))

df = pd.DataFrame(all_val,columns=['key','val']).set_index('key')

df_count = df.pivot_table(index='key',columns='val',aggfunc=len)

输出：

val  arylpolyene  hserlactone  hserlactone-arylpolyene  nrps  siderophore  \

key                                                                         

A            1.0          2.0                      NaN   1.0          1.0   

B            NaN          1.0                      1.0   1.0          1.0   

C            NaN          NaN                      NaN   3.0          1.0   

D            NaN          NaN                      NaN   1.0          1.0   

val  t1pks-nrps  terpene  thiopeptide  transatpks-nrps  

key                                                     

A           1.0      1.0          1.0              1.0  

B           NaN      NaN          1.0              NaN  

C           2.0      NaN          NaN              NaN  

D           1.0      NaN          NaN              NaN 

Answer 2

这应该可以完成您的工作（我正在使用Python3）：

my_dict = {

            'A': ['arylpolyene', 'hserlactone', 'hserlactone', 'nrps', 'siderophore', 't1pks-nrps', 'terpene', 'thiopeptide', 'transatpks-nrps'],

            'B': ['hserlactone', 'hserlactone-arylpolyene', 'nrps', 'siderophore', 'thiopeptide'],

            'C': ['nrps', 'nrps', 'nrps', 'siderophore', 't1pks-nrps', 't1pks-nrps'],

            'D': ['nrps', 'siderophore', 't1pks-nrps']

            }

rows_list=list(my_dict.keys())

values=list(my_dict.values())

rows_size=len(rows_list)

columns_list = []

for sublist in values:

    for item in sublist:

        if item not in columns_list:

            columns_list.append(item)

columns_size = len(columns_list)

#initialize adjacent matrix

print('Initial adjacent matrix')

adjacent = [ [0]*columns_size for i in range(rows_size) ]

for row in adjacent:

    print(row)

for key, value in my_dict.items():

    for v in value:

        adjacent[rows_list.index(key)][columns_list.index(v)] += 1

print('-'*50)

print('Final adjacent matrix')

for row in adjacent:

    print(row)

在第一个循环中，for sublist in values:我创建一个列表，其中包含您想要的值作为没有重复项的列。

在“adjacent = [ [0]*columns_size for i in range(rows_size) ]我创建的列表”中，元素与字典键的数量一样多。每个元素都是一个列表，其中元素的数量与列值的数量一样多。