如何使用嵌套字典列表展平熊猫数据框中的列

Posted

技术标签:

【中文标题】如何使用嵌套字典列表展平熊猫数据框中的列【英文标题】:How to flatten a column in a pandas dataframe with a list of nested dictionaries 【发布时间】:2020-09-06 16:06:31 【问题描述】:

我收到了单个 JSON(500 个 JSON)并通过 append() 方法将它们添加到现有列表的末尾进行了修改。

d_path = r'--PATH HERE--'
d_files = [f for f in listdir(d_path) if isfile(join(d_path,f))]
n = num_data
d_dicts=[]
for counter,d_file in enumerate(d_files):
    with open(d_path+'\\'+d_file,encoding="utf8") as json_data:
        d_dicts.append(json.load(json_data))

    if counter == num_data:
        break

在这一步之后,我尝试使用 json_normalize 将 JSON 数据标准化为一个平面表(Pandas DataFrame,总共 500 行)。

df = json_normalize(d)

其他信息:

class 'pandas.core.frame.DataFrame'

dtypes: float64(8), int64(3), object(9)

到目前为止,除了一列之外,它运行良好。我最终得到了一列,每行都有一个字典列表。我试图寻找解决方案,但找不到对我有帮助的解决方案。 每行都有一个嵌套字典。

这是一个名为 Info_column 的列的三行示例,其中包含虚构数据但结构相同:

Info_column

[**'Greeting':** 'Good day', 'Group': '1.2', 'Window': None, 
'Value1': 17.0, 'Value2': 13.23, 'Value3': 11.0, 
'Date1': '2013-09-04', 'Date2': '2012-09-05', 'Date3': '2015-07-22', 
'Married': False, 'Country': None, 
'Person': ['Age': '25', 'Number': '82', 'Value4': 19.2, 
'Column1': None, 'Column2': None, 'Column3': None, 'Column4': None]]

['Greeting': 'Good afternoon', 'Group': '1.4', 'Window': None, 
'Value1': 12.0, 'Value2': 9.23, 'Value3': 2.0, 
'Date1': '2016-09-04', 'Date2': '2016-09-16', 'Date3': '2016-07-05', 
'Married': True, 'Country': Germany, 
'Person': ['Age': '30', 'Number': '9', 'Value4': 10.0, 
'Column1': None, 'Column2': None, 'Column3': None, 'Column4': None]]

['Greeting': 'Good evening', 'Group': '3.0', 'Window': True, 
'Value1': 24.0, 'Value2': 15.5, 'Value3': 2.0, 
'Date1': '2019-02-01', 'Date2': '2019-05-05', 'Date3': '2018-05-03', 
'Married': False, 'Country': Spain, 
'Person': ['Age': '24', 'Number': '12', 'Value4': 8.2, 
'Column1': None, 'Column2': None, 'Column3': None, 'Column4': None]]

正确的方法是什么?

我的目标是将此列中每一行的信息作为我的数据框中的附加列。

我需要的列作为我的 DataFrame df 中其他列旁边的附加列:

Greeting, Group, Window, Value1, Value2, Value3, Date1, Date2, Date3, Married, Country, Person_Age, Person_Number, Person_Value4, Person_Column1, Person_Column2, Person_Column3, Person_Column4

非常感谢您的帮助

问候, 爱丽儿

【问题讨论】:

输入似乎不是有效的 python 格式。实际上,这三行并没有包含在更大的列表或结构中。 Info_column 实际上是一个 pandas 数据框列? 嗨,Alexandre,我在问题中添加了第一步。希望对您有所帮助,给您带来的困惑深表歉意。在使用 append() 方法将所有 JSON 放在一个列表中并使用 json_normalize 之后,它在除下面显示的列之外的所有列上都运行良好。每行都有一个嵌套字典,我不知道如何解决这个问题 【参考方案1】:

您可以尝试以下方法:

def f(x):
   d = 
   # Each element of the dict
   for k,v in x.items():
      # Check value type
      if isinstance(v,list):
         # If list: iter sub dict
         for k_s, v_s in v[0].items():
            d["_".format(k, k_s)] = v_s
      else: d[k] = v
   return pd.Series(d)

out = df.join(df["Info_column"].apply(f))\
        .drop("Info_column", axis=1)

解释

    所有问题都是关于扁平化Info_column。为此,我们定义了一个扁平化函数:"flatten"。它执行以下操作:

    迭代字典中的每个键/值: 检查值的类型。 如果这是list: 遍历所有子元素并将它们添加到输出中 父键是当前键的前缀 其他:添加元素

    使用applyflatten 函数应用于Info_column

    使用join将当前数据帧与上一步的输出连接起来

    使用drop 和axis=1 删除Info_column

完整代码+插图

# Create dummy dataset with 3 columns
data = [["a", 1, 'Greeting': 'Good day', 'Group': '1.2', 'Window': None,
                  'Value1': 17.0, 'Value2': 13.23, 'Value3': 11.0,
                  'Date1': '2013-09-04', 'Date2': '2012-09-05', 'Date3': '2015-07-22',
                  'Married': False, 'Country': None,
                  'Person': ['Age': '25', 'Number': '82', 'Value4': 19.2,
                              'Column1': None, 'Column2': None, 'Column3': None, 'Column4': None]],
        ["b", 5, 'Greeting': 'Good afternoon', 'Group': '1.4', 'Window': None,
                  'Value1': 12.0, 'Value2': 9.23, 'Value3': 2.0,
                  'Date1': '2016-09-04', 'Date2': '2016-09-16', 'Date3': '2016-07-05',
                  'Married': True, 'Country': "Germany",
                  'Person': ['Age': '30', 'Number': '9', 'Value4': 10.0,
                              'Column1': None, 'Column2': None, 'Column3': None, 'Column4': None]],
        ["c", 2, 'Greeting': 'Good evening', 'Group': '3.0', 'Window': True,
                  'Value1': 24.0, 'Value2': 15.5, 'Value3': 2.0,
                  'Date1': '2019-02-01', 'Date2': '2019-05-05', 'Date3': '2018-05-03',
                  'Married': False, 'Country': "Spain",
                  'Person': ['Age': '24', 'Number': '12', 'Value4': 8.2,
                              'Column1': None, 'Column2': None, 'Column3': None, 'Column4': None]]]

df = pd.DataFrame(data, columns=["colA", "colB", "Info_column"])
print(df)
#   colA  colB                                        Info_column
# 0    a     1  'Greeting': 'Good day', 'Group': '1.2', 'Wind...
# 1    b     5  'Greeting': 'Good afternoon', 'Group': '1.4',...
# 2    c     2  'Greeting': 'Good evening', 'Group': '3.0', '...

# Step 1
def flatten(x):
   d = 
   # Each element of the dict
   for k,v in x.items():
      # Check value type
      if isinstance(v,list):
         # If list: iter sub dict
         for k_s, v_s in v[0].items():
            d["_".format(k, k_s)] = v_s
      else: d[k] = v
   return pd.Series(d)

# Step 2
print(df["Info_column"].apply(flatten))
#          Greeting Group Window  Value1  Value2  Value3  ... Person_Number Person_Value4 Person_Column1  Person_Column2 Person_Column3 Person_Column4
# 0        Good day   1.2   None    17.0   13.23    11.0  ...            82          19.2           None            None           None           None
# 1  Good afternoon   1.4   None    12.0    9.23     2.0  ...             9          10.0           None            None           None           None
# 2    Good evening   3.0   True    24.0   15.50     2.0  ...            12           8.2           None            None           None           None
# [3 rows x 18 columns]

# Step 3
print(df.join(df["Info_column"].apply(flatten)))
#   colA  colB                                        Info_column        Greeting  ... Person_Column1 Person_Column2  Person_Column3  Person_Column4
# 0    a     1  'Greeting': 'Good day', 'Group': '1.2', 'Wind...        Good day  ...           None           None            None            None
# 1    b     5  'Greeting': 'Good afternoon', 'Group': '1.4',...  Good afternoon  ...           None           None            None            None
# 2    c     2  'Greeting': 'Good evening', 'Group': '3.0', '...    Good evening  ...           None           None            None            None
# [3 rows x 21 columns]

# Step 4
out = df.join(df["Info_column"].apply(flatten)).drop("Info_column", axis=1)
print(out)
#   colA  colB        Greeting Group Window  Value1  ...  Person_Number  Person_Value4 Person_Column1 Person_Column2 Person_Column3  Person_Column4
# 0    a     1        Good day   1.2   None    17.0  ...             82           19.2           None           None           None            None
# 1    b     5  Good afternoon   1.4   None    12.0  ...              9           10.0           None           None           None            None
# 2    c     2    Good evening   3.0   True    24.0  ...             12            8.2           None           None           None            None
# [3 rows x 20 columns]

print(out.columns)
# Index(['colA', 'colB', 'Greeting', 'Group', 'Window', 'Value1', 'Value2',
#        'Value3', 'Date1', 'Date2', 'Date3', 'Married', 'Country', 'Person_Age',
#        'Person_Number', 'Person_Value4', 'Person_Column1', 'Person_Column2',
#        'Person_Column3', 'Person_Column4'],
#       dtype='object')

【讨论】:

您好 Alexandre,非常感谢您的帮助!我尝试使用它,但得到了 AttributeError:'list' 对象没有属性 'items'。所以我将 [0] 添加到“for k,v in row.items():”(现在:for k,v in row[0].items():) 现在它可以工作了,但他只给了我第一个像你的例子中的行。我怎样才能让他遍历我列中的所有行? 你能用 2 或 3 行的样本更新问题吗 您好 Alexandre,感谢您的回复!我将问题更新为 3 行 您好 Alexandre,抱歉回复晚了。结果很完美!我只将 x.items() 中的 k,v: 切换为 x[0].items() 中的 k,v: 非常感谢!你为我省去了很多麻烦:) 完美!

以上是关于如何使用嵌套字典列表展平熊猫数据框中的列的主要内容,如果未能解决你的问题,请参考以下文章

如何将包含列表的列转换为熊猫数据框中的单独列? [复制]

在熊猫数据框中展平嵌套的 Json

如何从熊猫数据框中的列中删除字符串值

如何从字典列表中提取数据到熊猫数据框中?

如何通过使用数据框中的其他列来聚合熊猫数据框中的列

如何使用熊猫数据框中的列标记气泡图/散点图?