首页
学习
活动
专区
圈层
工具
发布
社区首页 >问答首页 >Python Pandas:导入列表的堆叠字典以创建多索引DataFrame

问Python Pandas:导入列表的堆叠字典以创建多索引DataFrame
EN

Stack Overflow用户
提问于 2019-09-29 23:04:00
回答 1查看 50关注 0票数 2

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:

代码语言:javascript
复制
{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:

代码语言:javascript
复制
{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

代码语言:javascript
复制
--------------------------------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

代码语言:javascript
复制
--------------------------------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

代码语言:javascript
复制
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。

EN

回答 1

Stack Overflow用户

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:

代码语言:javascript
复制
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。

代码语言:javascript
复制
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)
票数 1
EN
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接:

https://stackoverflow.com/questions/58156432

复制
相关文章

相似问题

领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档