将具有 nan 值的 str 类型字典转换为字典类型对象

Posted 2023-03-11

【中文标题】将具有 nan 值的 str 类型字典转换为字典类型对象

【英文标题】：Convert str type dicts with nan values to dict type objects

【发布时间】：2021-08-29 18:56:11

【问题描述】：

类似的问题已经被问过很多次了，但令人惊讶的是，似乎很少有答案能解决我认为的问题。

我有一个或多个列的 csv 文件，每个单元格中都包含一个字典。在read_csv 步骤之后，我在这些列上尝试了ast.literal_eval，以便将 str 格式的字典转换为字典类型的对象。但是，我不断收到malformed node or string 错误。

以下是相关字典的典型示例：1: 3681.45, 0: 3693.3333333333335。另一个，nan 值：1: 4959.95652173913, 0: nan。编辑：实际上，只有这个nan 值导致了错误（请参阅下面的Rakesh 解决方案）。

查看以前的答案，出现此错误的一个原因可能是因为这些列中的大多数 dicts 值都是浮点数，显然literal_eval 无法处理浮点数或 nans，即使它们被包含在内在字典中（尽管这是我从一个关于元组的问题中推断出来的）。

我必须阅读很多问题和答案才能获得这么多信息，所以认为用关键字str、dict 和标题中的nan 开始一个新主题可能会很有用.

非常感谢任何帮助！

【问题讨论】：

@Rakesh 当然，我已经添加了一个典型示例，还有一个具有 nan 值的示例，这可能会带来额外的麻烦。

【参考方案1】：

在具有nan的json上使用eval

例如：

import ast
from numpy import nan

print(ast.literal_eval("1: 3681.45, 0: 3693.3333333333335"))
print(eval("1: 4959.95652173913, 0: nan"))

---

df = pd.DataFrame("A": ["1: 4959.95652173913, 0: nan", "1: 4959.95652173913, 0: nan"])
df['B'] = df["A"].apply(lambda x: eval(x))
print(df)

输出：

                               A                              B
0  1: 4959.95652173913, 0: nan  1: 4959.95652173913, 0: nan
1  1: 4959.95652173913, 0: nan  1: 4959.95652173913, 0: nan

【讨论】：

非常感谢拉克什。我刚刚发现只有“nan”值导致错误，所以我要更新我的问题。一个小补充问题；在围绕这个主题的其他主题中，人们谈论了很多关于仅在您有可信数据输入的情况下使用 eval 的问题。这仍然是一个需要牢记的考虑因素吗？

另外，你没有引起注意，但我发现 nan 的简单直接导入非常优雅，可以绕过字典中它不是 np.nan 的事实！再次感谢您。

一个小问题仍然存在：这适用于转换单个实例，但不适用于转换列： df['Examples'] = df['Examples'].apply(eval) 这仍然返回，" NameError: name 'nan' is not defined"

在应用中使用lambda。

好的，谢谢一百万，这行得通！我不完全明白为什么会这样，但我想我可以自己研究一下。