python - 嵌套字典的每个产品/组合都保存到 DataFrame
问题描述
我是 Python 新手,正在为 X 次模型运行初始化参数。我需要从 N 个字典中创建所有可能的组合,每个字典都有嵌套数据。
我知道我需要以某种方式使用 itertools.product ,但我被困在如何浏览字典上。也许我什至不应该使用字典,而是使用 json 或其他东西。我也知道这会产生很多参数/运行。
编辑:从评论中添加了澄清。我想创建一个带有 n 个字典的函数---例如。def func(dict*) ---- 作为输入,并在所有字典中创建所有这些单独的键/值对的所有可能组合,返回一个包含所有组合的大 DF。
我的数据如下所示:
字典 1{
"chisel": [
{"type": "chisel"},
{"depth": [152, 178, 203]},
{"residue incorporation": [0.4, 0.5, 0.6, 0.7, 0.8, 0.9, 1.0]},
{"timing": ["10-nov", "10-apr"]},
],
"disc": [
{"type": "disc"},
{"depth": [127, 152, 178, 203]},
{"residue incorporation": [0.4, 0.5, 0.6, 0.7, 0.8, 0.9, 1.0]},
{"timing": ["10-nov", "10-apr"]},
],
"no_till": [
{"type": "user_defined"},
{"depth": [0]},
{"residue incorporation": [0.0]},
{"timing": ["10-apr"]},
],
}
字典 2
{
"nh4_n":
{
"kg/ha":[110, 115, 120, 125, 130, 135, 140, 145, 150, 155, 160, 165, 170, 175, 180, 185, 190, 195, 200, 205, 210, 215, 220, 225],
"fertilize_on":"10-apr"
},
"urea_n":
{
"kg/ha":[110, 115, 120, 125, 130, 135, 140, 145, 150, 155, 160, 165, 170, 175, 180, 185, 190, 195, 200, 205, 210, 215, 220, 225],
"fertilize_on":"10-apr"
}
}
字典 3
{
"maize": {
"sow_crop": 'maize',
"cultivar": ['B_105', 'B_110'],
"planting_dates": [
'20-apr', '27-apr', '4-may', '11-may', '18-may', '25-may', '1-jun', '8-jun', '15-jun'],
"sowing_density": [8],
"sowing_depth": [51],
"harvest": ['maize'],
}
}
例如,对于上面的三个字典,我会以某种方式使用字典 'chisel' 和 itertools.product 字典 2 中的每个嵌套字典(例如'nh4_n')和字典 3 中的每个嵌套字典(在这种情况下有只有一个,所以每个不同的品种、种植日期等)。我还想将每个键值对中的键用作 DF 列标题。
解决方案
问题:
主要问题是数据字典格式的不一致:
- 与 dict 1 & 3 不同,dict 2 的顶部键不是子键的值
- 与 dict 2 和 3 将 dicts 作为顶级键的值不同,dict 1 有一个顶级值的 dicts 列表。
- 一些二级值是字符串,一些是列表
第 1 步:修复数据:
功能:
fix_list_dicts
:
def fix_list_dicts(data: dict) -> dict:
"""
Given a dict where the values are a list of dicts:
(1) convert the value to a dict of dicts
(2) if any second level value is a str, convert it to a list
"""
data_new = dict()
for k, v in data.items():
v_new = dict()
for x in v:
for k1, v1 in x.items():
if type(v1) != list:
x[k1] = [v1]
v_new.update(x)
data_new[k] = v_new
return data_new
add_top_key_as_value
:
def add_top_key_as_value(data: dict, new_key: str) -> dict:
"""
Given a dict of dicts, where top key is not a 2nd level value:
(1) add new key: value pair to second level
"""
for k, v in data.items():
v.update({new_key: k})
data[k] = v
return data
str_value_to_list
:
def str_value_to_list(data: dict) -> dict:
"""
Given a dict of dicts:
(1) Convert any second level value from str to list
"""
for k, v in data.items():
for k2, v2 in v.items():
if type(v2) != list:
data[k][k2] = [v2]
return data
执行:
from pprint import pprint as pp
词典 1:
d1 = fix_list_dicts(d1)
pp(d1)
{'chisel': {'depth': [152, 178, 203],
'residue incorporation': [0.4, 0.5, 0.6, 0.7, 0.8, 0.9, 1.0],
'timing': ['10-nov', '10-apr'],
'type': ['chisel']},
'disc': {'depth': [127, 152, 178, 203],
'residue incorporation': [0.4, 0.5, 0.6, 0.7, 0.8, 0.9, 1.0],
'timing': ['10-nov', '10-apr'],
'type': ['disc']},
'no_till': {'depth': [0],
'residue incorporation': [0.0],
'timing': ['10-apr'],
'type': ['user_defined']}}
字典 2:
d2 = add_top_key_as_value(d2, 'fertilizer')
d2 = str_value_to_list(d2)
{'nh4_n': {'fertilize_on': ['10-apr'],
'fertilizer': ['nh4_n'],
'kg/ha': [110, 115, 120, 125, 130, 135, 140, 145, 150, 155, 160, 165, 170, 175, 180, 185, 190, 195, 200, 205, 210, 215, 220, 225]},
'urea_n': {'fertilize_on': ['10-apr'],
'fertilizer': ['urea_n'],
'kg/ha': [110, 115, 120, 125, 130, 135, 140, 145, 150, 155, 160, 165, 170, 175, 180, 185, 190, 195, 200, 205, 210, 215, 220, 225]}}
词典 3:
d3 = str_value_to_list(d3)
{'maize': {'cultivar': ['B_105', 'B_110'],
'harvest': ['maize'],
'planting_dates': ['20-apr', '27-apr', '4-may', '11-may', '18-may', '25-may', '1-jun', '8-jun', '15-jun'],
'sow_crop': ['maize'],
'sowing_density': [8],
'sowing_depth': [51]}}
第 2 步:将数据组合到 DataFrames 中:
功能:
import pandas as pd
combine_the_data
:
def combine_the_data(data: list) -> dict:
"""
Given a list of dicts:
(1) convert each dict into DataFrame
(2) set the indices to 0
(3) add each DataFrame to df_dict
"""
df_dict = dict()
for i, d in enumerate(data):
df = pd.DataFrame.from_dict(d, orient='index')
df.index = [0 for _ in range(len(df))]
df_dict[f'd_{i}'] = df
return df_dict
merge_df_dict
:
def merge_df_dict(data: dict) -> pd.DataFrame:
"""
Given a dict of DataFrames
(1) merge them on the index
"""
df = pd.DataFrame()
for _, v in data.items():
df = df.merge(v, how='outer', left_index=True, right_index=True)
return df
执行:
data = [d1, d2, d3]
df_dict = combine_the_data(data)
df_dict['d_0']
df_dict['d_1']
df_dict['d_2']
df = merge_df_dict(df_dict)
第 3 步:pd.DataFrame.explode
用于EXPLODE所有列表:
- 我不知道
pandas
v0.25 中还有哪些其他新功能,但explode是其中最好的。 - 没有
pandas
v0.25?那就拿吧!
df.reset_index(drop=True, inplace=True) # the DataFrame must have a unique 0...x index
for col in df.columns:
df = df.explode(col).reset_index(drop=True)
所有组合的最终输出:
价值计数和期望:
鉴于:
len(kg/ha) = 24
len(cultivar) = 2
len(plantint_dates) = 9
行数
user_defined
= 2user_defined
= 864的总组合我没有手动计算其他两个
types
,但由于user_defined
组合的数量正确,我希望其他人也能做到。
df.type.value_counts()
disc 48384
chisel 36288
user_defined 864
Name: type, dtype: int64