将元素为字典的列拆分为多列[重复]
Posted
技术标签:
【中文标题】将元素为字典的列拆分为多列[重复]【英文标题】:Splitting a column whose elements are dictionaries into many columns [duplicate] 【发布时间】:2015-01-01 11:02:55 【问题描述】:我有一个熊猫DataFrame
包含字典作为元素的单列。它是以下代码的结果:
dg # is a pandas dataframe with columns ID and VALUE. Many rows contain the same ID
def seriesFeatures(series):
"""This functions receives a series of VALUE for the same ID and extracts
tens of complex features from the series, storing them into a dictionary"""
dico = dict()
dico['feature1'] = calculateFeature1
dico['feature2'] = calculateFeature2
# Many more features
dico['feature50'] = calculateFeature50
return dico
grouped = dg.groupby(['ID'])
dh = grouped['VALUE'].agg( 'all_features' : lambda s: seriesFeatures(s) )
dh.reset_index()
# Here I get a dh DataFrame of a single column 'all_features' and
# dictionaries stored on its values. The keys are the feature's names
我需要以有效的方式将此'all_features'
列拆分为尽可能多的列(我有太多的行和列,我无法更改seriesFeatures
函数),所以输出将是具有列ID
、FEATURE1
、FEATURE2
、FEATURE3
、...、FEATURE50
的数据框。最好的方法是什么?
编辑
一个具体而简单的例子:
dg = pd.DataFrame( [ [1,10] , [1,15] , [1,13] , [2,14] , [2,16] ] , columns=['ID','VALUE'] )
def seriesFeatures(series):
dico = dict()
dico['feature1'] = len(series)
dico['feature2'] = series.sum()
return dico
grouped = dg.groupby(['ID'])
dh = grouped['VALUE'].agg( 'all_features' : lambda s: seriesFeatures(s) )
dh.reset_index()
但是当我尝试用 pd.Series 或 pd.DataFrame 包装它时,它说如果数据是标量值,则必须提供索引。提供 index=['feature1','feature2'],我得到奇怪的结果,例如使用:dh = grouped['VALUE'].agg( 'all_features' : lambda s: pd.DataFrame( seriesFeatures(s) , index=['feature1','feature2'] ) )
【问题讨论】:
感谢案例!更新了我的答案。 【参考方案1】:我认为您应该将字典包装在一个系列中,然后这将在 groupby 调用中展开(但随后使用 apply
而不是 agg
,因为它不再是聚合(标量)结果):
dh = grouped['VALUE'].aply(lambda s: pd.Series(seriesFeatures(s)))
之后,您可以将结果重塑为所需的格式。
对于您的简单示例,这似乎可行:
In [22]: dh = grouped['VALUE'].apply(lambda x: pd.Series(seriesFeatures(x)))
In [23]: dh
Out[23]:
ID
1 feature1 3
feature2 38
2 feature1 2
feature2 30
dtype: int64
In [26]: dh.unstack().reset_index()
Out[26]:
ID feature1 feature2
0 1 3 38
1 2 2 30
【讨论】:
谢谢。我不知道这个unstack
的事情,这似乎是一个不错的解决方案。以上是关于将元素为字典的列拆分为多列[重复]的主要内容,如果未能解决你的问题,请参考以下文章
将包含 json 数据的 pandas 数据框的列拆分为多列