我已经将一些数据导入到一个堆叠的列表字典中,它的结构如下:
结构1:
{product_name : {category_name : { column_title_1 :[val1,val2,val3], column_title_2 :["string 1","string 2","string 3"], column_title_3 :["string 1a","string 2b","string 3c"] }}}结构2:
{product_name : { column_title_1 :[val1,val2,val3], column_title_2 :["string 1","string 2","string 3"], column_title_3 :["string 1a","string 2b","string 3c"], "categories" :["category1","category1","category1"]}}}我想把字典导入到Pandas中,这样看起来就像这样:
df_Structure_1
--------------------------------column_title_1-----column_title_2-----column_title_3
product_name_1---category 1-----val_1 -----string 1 -----string 1a
--------------------------------val_2 -----string 2 -----string 2b
--------------------------------val_3 -----string 3 -----string 3c
-----------------category 2-----val_4 -----string 4 -----string 4d
--------------------------------val_5 -----string 5 -----string 5e
--------------------------------val_6 -----string 6 -----string 6f
product_name_2---category 1a----val_1 -----string 1 -----string 1a
--------------------------------val_2 -----string 2 -----string 2b
--------------------------------val_3 -----string 3 -----string 3c
-----------------category 2b----val_4 -----string 4 -----string 4d
--------------------------------val_5 -----string 5 -----string 5e
--------------------------------val_6 -----string 6 -----string 6f也就是说,既有产品名称的multi_index也有类别的and。
或df_Structure_2
--------------------------------column_title_1-----column_title_2-----column_title_3------category
product_name_1------------------val_1 -----string 1 -----string 1a ------category1
--------------------------------val_2 -----string 2 -----string 2b ------category1
--------------------------------val_3 -----string 3 -----string 3c ------category1
--------------------------------val_4 -----string 4 -----string 4d ------category2
--------------------------------val_5 -----string 5 -----string 5e ------category2
--------------------------------val_6 -----string 6 -----string 6f ------category2
product_name_2------------------val_1 -----string 1 -----string 1a ------category1a
--------------------------------val_2 -----string 2 -----string 2b ------category1a
--------------------------------val_3 -----string 3 -----string 3c ------category1a
--------------------------------val_4 -----string 4 -----string 4d ------category1b
--------------------------------val_5 -----string 5 -----string 5e ------category1b
--------------------------------val_6 -----string 6 -----string 6f ------category1b我试过很简单
pd.DataFrame.from_dict(product_dict.items(), orient='index')以及许多其他方法,例如迭代通过字典来构建数据帧。我还没有让任何东西工作。
请帮助提供解决方案,或者至少让我知道要在评论中搜索的正确术语。
谢谢。
发布于 2019-09-30 00:25:39
据我所知,pandas.DataFrame.from_dict不会创建多索引数据帧。另外,在您的示例中,一些字典键是索引,另一些是列,因此您需要自己构建数据帧。
您可以在内部嵌套级别使用字典迭代字典以生成数据帧列表,然后使用pandas.concat将它们连接到单个多索引数据帧中。
让我们从结构2开始(ss2是结构2后面的字典),它更简单:
df_list2 = [pd.DataFrame(v, index=pd.MultiIndex.from_product([[k], range(len(v[list(v)[0]]))])) for k, v in ss2.items()]
df2 = pd.concat(df_list2)df_list2是一个数据帧列表,对于每个数据帧,多索引都已经使用pandas.MultiIndex.from_product准备好了,所以当使用concat时,结果自然会出现。MultiIndex有两个级别:产品名称和具有相同产品名称的行的递进整数。
结构1的逻辑相同(这里的ss1是字典`),但这里的迭代更加复杂,因为在多索引中将有3个级别:产品名称、类别名称和递进整数。
df_list1 = [pd.DataFrame(iv, index=pd.MultiIndex.from_product([[k], [ik], range(len(iv[list(iv)[0]]))])) for k, v in ss1.items() for ik, iv in v.items()]
df1 = pd.concat(df_list1)https://stackoverflow.com/questions/58156432
复制相似问题