如何将数据字典转换为数据字典？

Question

我有一个包含多个键的字典，它有一个值，一个数据框架，如下所示，可以有不同数量的索引。

'key1':

            colB
    colA   
    str1       3
    str2       4
    str3       5

'key2':

            colB
    colA   
    str2       3
    str3       4
    str5       5

'key3':

            colB
    colA   
    str4       3
    str5       4
    str6       5

我想知道如何创建如下所示的数据框架

        str1   str2   str3  ...   str 6
key1     3       4      5    ..    NaN
key2    NaN      3      4    ..    NaN     
key3    NaN     NaN    NaN   ..     5     

当一个值丢失时，使用“NaN”。

我已经使用了reset_index，为每个数据帧创建了熊猫系列，然后为每一行寻找匹配的值来重新创建正确的数据框架，但我发现它非常慢，而且根本不是最佳的。

Answer 1

我想你只需要concat和unstack注意到d是你的dict

pd.concat(d).colB.unstack()
Out[663]: 
colA  str1  str2  str3  str4  str5  str6
k1     3.0   4.0   5.0   NaN   NaN   NaN
k2     NaN   3.0   4.0   NaN   5.0   NaN
k3     NaN   NaN   NaN   3.0   4.0   5.0

Answer 2

您可以使用pandas.concat()来完成这个任务。有关Concat文件文档，请参阅此处

例如，假设您的字典名为my_dict，您可以执行以下代码：

pd.concat(my_dict.values())

这假设你已经进口了熊猫作为pd。请参阅嵌入在concat中的选项的文档。

最后，要将它变成您想要的形式，您可以使用：

pd.unstack()

若要将多索引值作为行标题获取，请执行以下操作。或者简单的pd.df.rename()

为了在这里给您更多的建议，最好让代码生成原始数据。

Answer 3

参见示例代码：

import pandas as pd
key1 = {'str1':3,'str2':4,'str3':5}
key2 = {'str2':3,'str3':4,'str5':5}
key3 = {'str4':3,'str5':4,'str6':5}

df1=pd.DataFrame.from_dict(key1, orient='index')
df1.rename(columns={0:'key1'},inplace=True)
df2=pd.DataFrame.from_dict(key2, orient='index')
df2.rename(columns={0:'key2'},inplace=True)
df3=pd.DataFrame.from_dict(key3, orient='index')
df3.rename(columns={0:'key3'},inplace=True)

df = pd.concat([df1,df2,df3],axis=1)
df_final=df.T
df_final.head()

代码很简单，如果您需要更多的解释，请告诉我。