Выполняет заполнение словаря значениями с плавающей запятой из Excel Pandas

Question

Я использую электронную таблицу Excel для заполнения словаря. Затем я использую эти значения для умножения значений другого фрейма данных по ссылке, но при попытке выдает ошибки. Я решил сделать таблицу Excel из своего словаря, чтобы избежать ошибок, но у меня ничего не получилось. Я делаю это, потому что словарь в конце концов становится длинным и слишком утомительно редактировать ключи и его значения. Я использую Python 2.7

import pandas as pd

#READ EXCEL FILE
df = pd.read_excel("C:/Users/Pedro/Desktop/dataframe.xls")

#Store the keys with its value in a dictionary. This will become df2
d = {"M1-4":0.60,"M1-5/R10":0.85,"C5-3":0.85,"M1-5/R7-3":0.85,"M1-4/R7A":0.85,"R7A":0.85,"M1-4/R6A":0.85,"M1-4/R6B":0.85,"R6A":0.85,"PARK":0.20,"M1-6/R10":0.85,"R6B":0.85,"R9":0.85,"M1-5/R9":0.85}

#Convert the dictionary to an Excel spreadsheet
df5 = pd.DataFrame.from_dict(d, orient='index')
df5.to_excel('bob_dict.xlsx')

#populatethe dictionary from the excel spreadsheet
df2 = pd.read_excel("C:/Users/Pedro/Desktop/bob_dict.xlsx")
#Convert dtframe back to a dictionary
dictionary = df2.to_dict(orient='dict')
#Pass the dictionary as reference 

b = df.filter(like ='Value').values
c = df.filter(like ='ZONE').replace(dictionary).astype(float).values

df['pro_cum'] = ((c * b).sum(axis =1))

При запуске я получаю ValueError: не удалось преобразовать строку R6B в число с плавающей точкой.

c = df.filter(like ='ZONE').replace(d).astype(float).values

но если я заменю значения зоны исходным словарем, он будет работать без ошибок.

Ввод: df

HP    ZONE           Value  ZONE1       Value1
3     R7A           0.7009  M1-4/R6B    0.00128
2     R6A           0.5842  M1-4/R7A    0.00009
7     M1-6/R10      0.1909  M1-4/R6A    0.73576
9     R6B           0.6919  PARK        0.03459
6     PARK          1.0400  M1-4/R6A    0.33002
9.3   M1-4/R6A      0.7878  PARK        0.59700
10.6  M1-4/R6B      0.0291  R6A         0.29621
11.9  R9            0.0084  M1-4        0.00058
13.2  M1-5/R10      0.0049  M1-4        0.65568
14.5  M1-4/R7A      0.0050  C5-3        0.00096
15.8  M1-5/R7-3     0.0189  C5-3        1.59327
17.1  M1-5/R9       0.3296  M1-4/R6B    0.43918
18.4  C5-3          0.5126  R6B         0.20835
19.7  M1-4          0.5126  PARK        0.22404

Answer 1

Мне удалось решить мою проблему. Когда я преобразую словарь в фрейм данных, ключи становятся индексными, поэтому, когда я преобразую фрейм данных обратно в словарь, я получаю словарь словаря. Поэтому я должен был указать это в методе замены.

{0: {'M1-4': 0.6, 'M1-5/R10': 0.85, 'C5-3': 0.85,
     'M1-5/R7-3': 0.85, 'M1-4/R7A': 0.85, 'R7A': 0.85,
     'M1-4/R6A': 0.85, 'M1-4/R6B': 0.85, 'R6A': 0.85,
     'PARK': 0.2, 'M1-6/R10': 0.85, 'R6B': 0.85,
     'R9': 0.85, 'M1-5/R9': 0.85
     }
    }

Итак, я отредактировал эту строку кода и добавил [0]

c = df.filter(like='ZONE').replace(dictionary[0]).astype(float).values

Answer 2

Имеются проблемы с некоторыми значениями вне словаря d (ошибка, скажем, R6B, но возможно большее количество значений), поэтому преобразование в числа с плавающей запятой невозможно.

Вы можете найти это значение:

#create Series from all Zone columns
vals = df.filter(like ='ZONE').replace(d).stack()
#for non numeric return NaNs, so filtering return problematic values
out = vals[pd.to_numeric(vals, errors= 'coerce').isnull()].unique()
print (out)

А затем добавьте в словарь d, чтобы избежать этой ошибки.

---

Пример:

print (df)
      HP       ZONE   Value     ZONE1   Value1
0    3.0        R7A  0.7009  M1-4/R6B  0.00128
1    2.0        R6A  0.5842  M1-4/R7A  0.00009
2    7.0   M1-6/R10  0.1909  M1-4/R6A  0.73576
3    9.0        R6B  0.6919      PARK  0.03459
4    6.0       PARK  1.0400  M1-4/R6A  0.33002
5    9.3   M1-4/R6A  0.7878      PARK  0.59700
6   10.6   M1-4/R6B  0.0291       R6A  0.29621
7   11.9         R9  0.0084      M1-4  0.00058
8   13.2   M1-5/R10  0.0049      M1-4  0.65568
9   14.5   M1-4/R7A  0.0050      C5-3  0.00096
10  15.8  M1-5/R7-3  0.0189      C5-3  1.59327
11  17.1    M1-5/R9  0.3296  M1-4/R6B  0.43918
12  18.4       C5-3  0.5126       R6B  0.20835
13  19.7       M1-4  0.5126     PARK1  0.22404 <- added PARK1 for testing

d = {"M1-4":0.60,"M1-5/R10":0.85,"C5-3":0.85,"M1-5/R7-3":0.85,"M1-4/R7A":0.85,"R7A":0.85,"M1-4/R6A":0.85,"M1-4/R6B":0.85,"R6A":0.85,"PARK":0.20,"M1-6/R10":0.85,"R6B":0.85,"R9":0.85,"M1-5/R9":0.85}

vals = df.filter(like ='ZONE').replace(d).stack()
out = vals[pd.to_numeric(vals, errors= 'coerce').isnull()].unique()
print (out)
['PARK1']