时间戳

首页 > 解决方案 > 将具有可变长度的字典列表的字典转换为熊猫数据框

python - 将具有可变长度的字典列表的字典转换为熊猫数据框

问题描述

我有一个字典，其中包含一个字典列表作为值，这些列表的长度是可变的。我已经尝试了很多，但无法将数据正确转换为 Pandas 数据框。

数据如下所示：

{key1: [{'column5': 40, 'column1': 1, 'column2': 6, 'column3': 170, 'column4': 300}], 
key2: [{'column5': 6, 'column1': 33, 'column2': 5, 'column3': 76, 'column4': 13}], 
key3: [{'column5': 7, 'column1': 44, 'column2': 2, 'column3': 67, 'column4': 13}, {'column5': 45, 'column1': 400, 'column2': 100, 'column3': 12, 'column4': 145}]}

我想得到这样的框架：

      column1  column2 column3   ..
key1  1        6       170
key2  33       5       76
key3  33       2       67
key3  400      100     12
 .
 .

在使用 pd.DataFrame.from_records 和使用 orient=index 时，我要么得到像“数组必须都具有相同长度”这样的错误，而且在使用 orient=index 时，数据仍然作为放置在数据框中的字典。我尝试过的一些事情：

df = pd.DataFrame.from_dict(a, orient='index')
df.transpose() //Data is not properly placed in the dataframe

df = pd.DataFrame.from_records(dataset, orient='index') //Data is not properly placed in the dataframe

df = pd.DataFrame.from_records(dataset) //Gives error about length of arrays

df = pd.DataFrame.from_dict(dataset).T //Gives error about length of arrays

我该怎么办？非常感谢！

标签： pythonpandasdictionarydataframe

解决方案

设置

dct = {'key1': [{'column5': 40, 'column1': 1, 'column2': 6, 'column3': 170, 'column4': 300}],'key2': [{'column5': 6, 'column1': 33, 'column2': 5, 'column3': 76, 'column4': 13}],'key3': [{'column5': 7, 'column1': 44, 'column2': 2, 'column3': 67, 'column4': 13}, {'column5': 45, 'column1': 400, 'column2': 100, 'column3': 12, 'column4': 145}]}

使用列表推导稍微重构您的输入数据集：

pd.DataFrame([{'key': k, **i} for  k, v in dct.items() for i in v])

   column1  column2  column3  column4  column5   key
0        1        6      170      300       40  key1
1       33        5       76       13        6  key2
2       44        2       67       13        7  key3
3      400      100       12      145       45  key3

为了帮助更好地理解为什么会这样，这里是列表理解创建的字典列表：

[{'key': 'key1', 'column5': 40, 'column1': 1, 'column2': 6, 'column3': 170, 'column4': 300}, {'key': 'key2', 'column5': 6, 'column1': 33, 'column2': 5, 'column3': 76, 'column4': 13}, {'key': 'key3', 'column5': 7, 'column1': 44, 'column2': 2, 'column3': 67, 'column4': 13}, {'key': 'key3', 'column5': 45, 'column1': 400, 'column2': 100, 'column3': 12, 'column4': 145}]

推荐阅读