Python pandas，如何以最有效的方式将pandas列与json解压到新的数据帧中？

Question

我有一个清单：

data_list= [
        {
           'fields': {
               'standard': ['ADSL1'],
               'serviceCode': ['BNG_DSL'],
               'deltaUpload': [0]
                    }
        },
        {
            'fields': {
                'standard': ['ADSL1'],
                'serviceCode': ['BNG_DSL'],
                'deltaUpload': [545618]
                }
        },
        {
            'fields': {
                'standard': ['ADSL1'],
                'serviceCode': ['BNG_DSL'],
                'deltaUpload': [597561]
                }
        },
        {
            'fields': {
                'standard': ['ADSL1'],
                'serviceCode': ['BNG_DSL'],
                'deltaUpload': [323771]
                }
        },    
        {
           'fields': {
               'standard': ['ADSL1'],
               'serviceCode': ['BNG_DSL'],
               'deltaUpload': [1088]
                }
        }
    ]

从这个列表中，我创建了一个数据帧：

​

​

从df.fields系列中，我想创建一个新的数据帧。我试着这样做：

​

​

一切正常，但我不希望每个单元格都在列表中。我试过了：

​

​

...which可以工作，但由于有十亿分之一的数据行数，它的速度非常慢。有没有一种矢量化的方法可以在没有单元格列表的data_list中创建字段数据帧？

Answer 1

您可以使用：

df = pd.DataFrame(data_list)
out = pd.DataFrame(df['fields'].tolist()).stack().str[0].unstack()

  standard serviceCode deltaUpload
0    ADSL1     BNG_DSL           0
1    ADSL1     BNG_DSL      545618
2    ADSL1     BNG_DSL      597561
3    ADSL1     BNG_DSL      323771
4    ADSL1     BNG_DSL        1088

我们还可以尝试使用infer_objects推断正确的数据类型

out1 = (pd.DataFrame(df['fields'].tolist()).stack().str[0]
                  .astype(object).unstack().infer_objects())

我们也可以直接做pd.io.json.json_normalize：

df = pd.io.json.json_normalize(data_list).rename(columns=lambda x: x.split('.')[1])
df.stack().str[0].astype(object).unstack().infer_objects()

print(out.dtypes)
#standard       object
#serviceCode    object
#deltaUpload    object
#dtype: object

print(out1.dtypes)
#standard       object
#serviceCode    object
#deltaUpload     int64
dtype: object

Answer 2

pandas中的json_normalize函数并不是特别快。我建议您将初始数据缩减为列表或字典，然后创建数据帧：

d = [(i['fields']['standard'][0],
      i['fields']['serviceCode'][0],
      i['fields']['deltaUpload'][0]) 
     if i['fields']['standard'] else '' 
     if i['fields']['serviceCode'] else '' 
     if i['fields']['deltaUpload'] else ''
     for i in data_list ]

d

[('ADSL1', 'BNG_DSL', 0),
 ('ADSL1', 'BNG_DSL', 1088),
 ('ADSL1', 'BNG_DSL', 323771),
 ('ADSL1', 'BNG_DSL', 545618),
 ('ADSL1', 'BNG_DSL', 597561)]

df = pd.DataFrame(d)

df.columns = ['standard','serviceCode','deltaUpload']


   standard  serviceCode    deltaUpload
0   ADSL1     BNG_DSL        545618
1   ADSL1     BNG_DSL        1088
2   ADSL1     BNG_DSL        323771
3   ADSL1     BNG_DSL        597561
4   ADSL1     BNG_DSL         0

在我的PC上运行的时间: 596µs±14.7µs /循环(平均值±标准dev.共7次运行，每次1000次循环)。

随着时间的推移，我们学到了更多:更短的代码，更干净的代码：

from collections import defaultdict
d = defaultdict(list)
for entry in data_list:
    for k,v in entry['fields'].items():
            d[k].append(v[0])

pd.DataFrame(d)