Python仍然很新,我正在尝试弄清楚如何从我创建的字典列表中创建格式正确的DataFrame。
listOutput =
[{0: ['Name', val1, val2, val3, val4, val5]},
{1: ['Name', val1, val2, val3, val4, val5]}]
变成这样的东西:
0 1
0 Name1 Name2
1 val1 val1
2 val2 val2
3 val3 val3
4 val4 val4
5 val5 val5
当我只从一个列表制作数据帧时,它的格式正确,但是当我使用字典从列表中创建一个数据帧时,它会输出如下内容:
0 1
0 [Name1, 7995, 138.5, 300.0, 50.0, 7506.5] NaN
1 NaN [Name2, 7995,138.5, 300.0, 50.0, 75...
使用字典理解来合并字典:
import pandas as pd
df = pd.DataFrame({k:v for d in listOutput for k,v in d.items()})
使用collections.ChainMap
的替代方法(速度稍慢):
from collections import ChainMap
import pandas as pd
df = pd.DataFrame(dict(ChainMap(*listOutput)))
输出:
0 1
0 Name Name
1 val1 val1
2 val2 val2
3 val3 val3
4 val4 val4
5 val5 val5
由于列表中的每个字典都表示一列及其标题,因此您可以沿 axis=1 使用 pd.concat
pd.concat([pd.DataFrame(x) for x in listOutput], axis=1)
解释: 2 部分:在列表理解中创建数据帧 + pd.concat()
- 在列表推导中,您可以遍历输入列表的每个元素
listOutput
。此列表中的每个元素都是一个字典,其中有一个键和一个列表作为值。创建数据帧时,可以精确使用其中键 ->列名、值 ->列数据。 考虑您的列表如下所示:
listOutput = [{0: ['Name', 'val1', 'val2', 'val3']},
{1: ['Name', 'val4', 'val5', 'val6']}]
在迭代期间创建的两个 DF 如下所示:
#first iteration (e.g df1):
pd.DataFrame({0: ['Name', 'val1', 'val2', 'val3']})
0
0 Name
1 val1
2 val2
3 val3
# second iteration (e.g df2):
pd.DataFrame({1: ['Name', 'val4', 'val5', 'val6']})
1
0 Name
1 val4
2 val5
3 val6
- 这 2 个 df 存储在一个列表中并传递给
pd.concat
。axis=1
表示沿列串联。它期望获得"系列或数据帧对象的序列或映射"(->文档),这里有一系列数据帧对象。 我们没有在循环期间将 dfs 分配给变量(因为我们不需要),但考虑到你会命名它们(就像我上面在括号中所做的那样),然后在最后一步连接 dfs 将如下所示:
pd.concat([df1, df2], axis=1)
0 1
0 Name Name
1 val1 val4
2 val2 val5
3 val3 val6
如果我们希望它在熊猫中看起来不错,这种格式有点磨损。
listOutput = [{0: ['Name1', 1, 2, 3, 4, 5]},
{1: ['Name2', 6, 7, 8, 9, 10]}]
如果您可以控制此列表,则可以像这样重新设置其格式:
listOutput = {'Name1': [1, 2, 3, 4, 5],
'Name2': [6, 7, 8, 9, 10]}
这导致:
>>> pd.DataFrame(listOutput)
Name1 Name2
0 1 6
1 2 7
2 3 8
3 4 9
4 5 10
如果你没有控制权,你可以这样修复它:
# This extracts the values from each dictionary in your list, and makes it
# into a properly formatted dictionary.
listOutput = {x[0]:x[1:] for x in [list(y.values())[0] for y in listOutput]}
# Produces same output as above~
另一种可能的解决方案,基于pandas.Series
和pandas.concat
:
pd.concat(
pd.Series(listOutput)
.map(lambda x: pd.DataFrame.from_dict(x)).to_list(), axis = 1)
输出:
0 1
0 Name Name
1 1 1
2 2 2
3 3 3
4 4 4
5 5 5