用数据类型将字典转换为数据格式

Question

将字典字典转换为具有数据类型的数据框架的首选方法是什么？

我有以下类型的字典r，它包含每个键后面的事实集

import pandas as pd

r = { 1:{'a':1,'b':2,'c':'b'},
      2:{'d':1,'b':1,'c':'b'},
      3:{'e':0} }

将这个字典转换成数据字典可以用一种非常简单的方式完成。

x = pd.DataFrame(r)
x
x.dtypes

，它在原始字典上生成以下版本

     1    2    3
a    1  NaN  NaN
b    2    1  NaN
c    b    e  NaN
d  NaN    1  NaN
e  NaN  NaN  0.0

和下列列的数据类型

1     object
2     object
3    float64
dtype: object

但是，我希望在x上转换版本。做完之后

y = x.transpose()
y
y.dtypes

数据上的期望表示似乎是以矩阵形式显示的。

     a    b    c    d    e
1    1    2    b  NaN  NaN
2  NaN    1    e    1  NaN
3  NaN  NaN  NaN  NaN    0

但是数据类型都是object

a    object
b    object
c    object
d    object
e    object
dtype: object

从r转换到y的首选方法是什么，这样y.dtypes就可以直接生成数据类型。

a    float64
b    float64
c    object
d    float64
e    float64
dtype: object

类似于将r转换为x

Answer 1

只需设置正确的方向(默认为columns，您需要index)。

df = pd.DataFrame.from_dict(r, orient='index')

a    float64
b    float64
c     object
d    float64
e    float64
dtype: object

Answer 2

在pandas >= 1.0.0中，可以使用.convert_dtypes()

>>> y.convert_dtypes().dtypes

a     Int64
b     Int64
c    string
d     Int64
e     Int64
dtype: object

请注意，这将使用新的pandas字符串类型，还将使用pd.NA来处理缺少的值。有一些参数会影响某些转换：

>>> y.convert_dtypes(convert_string=False).dtypes

a     Int64
b     Int64
c    object
d     Int64
e     Int64
dtype: object

如果您有较旧的pandas，您可以使用pd.to_numeric与某种循环或apply作为这里。

>>> y = y.apply(pd.to_numeric, errors='ignore') # for columns that fail, do nothing
>>> y.dtypes

a    float64
b    float64
c     object
d    float64
e    float64
dtype: object

我看不到在没有循环的情况下对整个数据文件强制执行数字类型的方法(.astype()似乎不起作用，因为错误要么导致整个转换失败，要么被忽略，返回原始数据类型)。

我刚看到.transpose() 解决这一点的文档

当DataFrame具有混合的dtype时，我们得到一个带有对象dtype的转置DataFrame：

转换混合类型的DatraFrame返回一个对象类型的DataFrame.为了完整起见，这里是他们的例子：

d2 = {'name': ['Alice', 'Bob'],
      'score': [9.5, 8],
      'employed': [False, True],
      'kids': [0, 0]}
df2 = pd.DataFrame(data=d2)
df2_transposed = df2.transpose()

print(df2, df2.dtypes, df2_transposed, df2_transposed.dtypes, sep='\n\n')

输出：

    name  score  employed  kids
0  Alice    9.5     False     0
1    Bob    8.0      True     0

#dtypes as expected
name         object
score       float64
employed       bool
kids          int64
dtype: object

              0     1
name      Alice   Bob
score       9.5     8
employed  False  True
kids          0     0

#dtypes are now object
0    object
1    object
dtype: object

因此，如果希望转换，则必须包含附加命令。