Pandas与字典匹配：库存规范化、对数转换及字典构建优化求助

一、自动构建总库存字典 #

无需硬编码，直接从第一个CSV文件提取Total stock行数据生成字典：

import pandas as pd

# 读取总库存CSV，将第一列设为索引
df_total = pd.read_csv('total_stock.csv', index_col=0)

# 提取Total stock行，清洗列名（转小写、移除后缀）后转字典
fruit_total = df_total.loc['Total stock'].rename(
    lambda col_name: col_name.lower().replace('.count.out', '')
).to_dict()

执行后fruit_total会自动生成目标字典：{'apple': 1000, 'orange': 500, 'banana': 1000}。

二、简洁实现规范化与log10转换 #

利用Pandas广播特性和NumPy向量化操作，一行代码完成需求：

import numpy as np

# 读取各商店库存CSV，将第一列设为索引
df_stores = pd.read_csv('store_stocks.csv', index_col=0)

# 1. 按列匹配总库存做除法规范化；2. 对结果执行log10转换
normalized_log_result = np.log10(df_stores.div(fruit_total, axis=1))

关键说明： #

• df_stores.div(fruit_total, axis=1)：指定axis=1让Pandas按列名匹配字典键，自动完成列对应值的除法，无需手动循环。
• np.log10()：直接对整个DataFrame执行向量化运算，效率远高于逐元素处理。
• 若担心库存为0导致log报错，可添加微小偏移避免异常：np.log10(df_stores.div(fruit_total, axis=1) + 1e-6)

内容的提问来源于stack exchange，提问作者newstudenttoprogramming