如何使用 NaN 对列进行 json_normalize

Posted 2023-03-11

【中文标题】如何使用 NaN 对列进行 json_normalize

【英文标题】：How to json_normalize a column with NaNs

【发布时间】：2020-12-31 17:20:57

【问题描述】：

此问题特定于pandas.DataFrame 中的数据列 这个问题取决于列中的值是str、dict 还是list 类型。 当df.dropna().reset_index(drop=True) 不是有效选项时，此问题涉及处理NaN 值。

案例一

对于str类型的列，在使用.json_normalize之前，必须将该列中的值转换为dict类型，使用ast.literal_eval。

import numpy as np
import pandas as pd
from ast import literal_eval

df = pd.DataFrame('col_str': ['"a": "46", "b": "3", "c": "12"', '"b": "2", "c": "7"', '"c": "11"', np.NaN])

                            col_str
0  "a": "46", "b": "3", "c": "12"
1              "b": "2", "c": "7"
2                       "c": "11"
3                               NaN

type(df.iloc[0, 0])
[out]: str

df.col_str.apply(literal_eval)

错误：

df.col_str.apply(literal_eval) results in ValueError: malformed node or string: nan

案例 2

对于dict 类型的列，使用pandas.json_normalize 将键转换为列标题，将值转换为行

df = pd.DataFrame('col_dict': ["a": "46", "b": "3", "c": "12", "b": "2", "c": "7", "c": "11", np.NaN])

                           col_dict
0  'a': '46', 'b': '3', 'c': '12'
1              'b': '2', 'c': '7'
2                       'c': '11'
3                               NaN

type(df.iloc[0, 0])
[out]: dict

pd.json_normalize(df.col_dict)

错误：

pd.json_normalize(df.col_dict) results in AttributeError: 'float' object has no attribute 'items'

案例 3

在str 类型的列中，dict 在list 内。 标准化列 应用literal_eval，因为explode 不适用于str 类型 分解列以分隔dicts 以分隔行 规范化列

df = pd.DataFrame('col_str': ['["a": "46", "b": "3", "c": "12", "b": "2", "c": "7"]', '["b": "2", "c": "7", "c": "11"]', np.nan])

                                                    col_str
0  ["a": "46", "b": "3", "c": "12", "b": "2", "c": "7"]
1                       ["b": "2", "c": "7", "c": "11"]
2                                                       NaN

type(df.iloc[0, 0])
[out]: str
    
df.col_str.apply(literal_eval)

错误：

df.col_str.apply(literal_eval) results in ValueError: malformed node or string: nan

【参考方案1】：

始终可以选择： df = df.dropna().reset_index(drop=True) 这对于此处的虚拟数据或在处理其他列无关紧要的数据框时很好。 对于需要额外列的数据框来说不是一个很好的选择。

案例一

由于该列包含str 类型，因此用'' 填充（一个str）

import numpy as np
import pandas as pd
from ast import literal_eval

df = pd.DataFrame('col_str': ['"a": "46", "b": "3", "c": "12"', '"b": "2", "c": "7"', '"c": "11"', np.NaN])

                            col_str
0  "a": "46", "b": "3", "c": "12"
1              "b": "2", "c": "7"
2                       "c": "11"
3                               NaN

type(df.iloc[0, 0])
[out]: str

# fillna
df.col_str = df.col_str.fillna('')

# convert the column to dicts
df.col_str = df.col_str.apply(literal_eval)

# use json_normalize
df = df.join(pd.json_normalize(df.col_str)).drop(columns=['col_str'])

# display(df)
     a    b    c
0   46    3   12
1  NaN    2    7
2  NaN  NaN   11
3  NaN  NaN  NaN

案例 2

至少从 pandas 1.3.4 开始，pd.json_normalize(df.col_dict) 可以正常工作，至少对于这个简单的示例而言。

---

由于该列包含dict 类型，因此使用 填充（不是str） 这需要使用 dict-comprehension 来填充，因为 fillna() 不起作用

df = pd.DataFrame('col_dict': ["a": "46", "b": "3", "c": "12", "b": "2", "c": "7", "c": "11", np.NaN])

                           col_dict
0  'a': '46', 'b': '3', 'c': '12'
1              'b': '2', 'c': '7'
2                       'c': '11'
3                               NaN

type(df.iloc[0, 0])
[out]: dict
    
# fillna
df.col_dict = df.col_dict.fillna(i:  for i in df.index)

# use json_normalize
df = df.join(pd.json_normalize(df.col_dict)).drop(columns=['col_dict'])

# display(df)
     a    b    c
0   46    3   12
1  NaN    2    7
2  NaN  NaN   11
3  NaN  NaN  NaN

案例 3

用'[]'（str）填充NaNs 现在literal_eval 可以工作了 可以在列上使用.explode 将dict 值分隔为行 现在NaNs 需要填写（不是str） 然后可以对列进行归一化

对于列为lists 的dicts 且不是str 类型的情况，请跳至.explode。

df = pd.DataFrame('col_str': ['["a": "46", "b": "3", "c": "12", "b": "2", "c": "7"]', '["b": "2", "c": "7", "c": "11"]', np.nan])

                                                    col_str
0  ["a": "46", "b": "3", "c": "12", "b": "2", "c": "7"]
1                       ["b": "2", "c": "7", "c": "11"]
2                                                       NaN

type(df.iloc[0, 0])
[out]: str
    
# fillna
df.col_str = df.col_str.fillna('[]')

# literal_eval
df.col_str = df.col_str.apply(literal_eval)

# explode
df = df.explode('col_str').reset_index(drop=True)

# fillna again
df.col_str = df.col_str.fillna(i:  for i in df.index)

# use json_normalize
df = df.join(pd.json_normalize(df.col_str)).drop(columns=['col_str'])

# display(df)
     a    b    c
0   46    3   12
1  NaN    2    7
2  NaN    2    7
3  NaN  NaN   11
4  NaN  NaN  NaN