熊猫dataFrame创作

Question

我想用下面的字典创建一个熊猫数据框架

     a ={('p','l',2):3,('p','l',3):4,('p','l1',5):4,('p','l',5):4,
      ('p','l',6):2,('p','l2',6):4,('p','l1',2):5}

              m n o p
            o p l 2 3
            1 p l 3 4
            2 p l1 5 4
            3 p l 6 2

我写了如下逻辑df = pd.DataFrame(a，列=‘m’，'n'，'o'，'p')，但是它不起作用，你能帮帮我吗？

提前感谢

Answer 1

还有另一种选择-

df = pd.DataFrame(list(a.keys()), columns=list('mno'))
df['p'] = list(a.values())

df

   m   n  o  p
0  p  l2  6  4
1  p   l  6  2
2  p   l  3  4
3  p   l  5  4
4  p  l1  2  5
5  p  l1  5  4
6  p   l  2  3

(编辑)取回一个dict post groupby：如果您只想要p的结果，那么在p上调用mean，然后调用to_dict -

df.groupby(['m', 'n']).p.mean().to_dict()
{('p', 'l'): 3.25, ('p', 'l1'): 4.5, ('p', 'l2'): 4.0}

Answer 2

不使用numpy

pd.DataFrame(np.append(np.array(list(a.keys())),np.array(list(a.values()))[:,None],1),columns=list('abcd'))
Out[1151]: 
   a   b  c  d
0  p   l  2  3
1  p   l  3  4
2  p  l1  5  4
3  p   l  5  4
4  p   l  6  2
5  p  l2  6  4
6  p  l1  2  5

Answer 3

将Series构造函数与reset_index结合使用

df = pd.Series(a).reset_index()
df.columns=['m','n','o','p']
print (df)
   m   n  o  p
0  p   l  2  3
1  p   l  3  4
2  p   l  5  4
3  p   l  6  2
4  p  l1  2  5
5  p  l1  5  4
6  p  l2  6  4

或者首先对嵌套的list comprehension使用list：

a = [list(k) + [v] for k,v in a.items()]
df = pd.DataFrame(a,columns=['m','n','o','p']) 
print (df)
   m   n  o  p
0  p   l  2  3
1  p   l  5  4
2  p  l2  6  4
3  p  l1  2  5
4  p   l  3  4
5  p   l  6  2
6  p  l1  5  4