1

我有一个字典列表：

list_of_dicts = [{'name': 'a', 'counts': [{'dog': 2}]}, 
          {'name': 'b', 'counts': [{'cat': 1}, {'capibara': 5}, {'whale': 10}]}, 
          {'name': 'c', 'counts': [{'horse':1}, {'cat': 1}]]

我想将其转换为熊猫数据框，如下所示：

姓名 动物 频率
一种 狗 2
b 猫 1
b 卡比巴拉 5
b 鲸 10
C 马 1
C 猫 1

在当前代码中，我尝试对其进行规范化：

from pandas import json_normalize
df = json_normalize(list_of_dicts, 'counts')

但我认为我走错了方向。另外，如果我做一个简单的df = pd.DataFrame(list_of_dicts)，它会导致每个字典列表都是一个单行值，这是不希望的。

4

4 回答 4

3
  • 和record_path参数meta必须pandas.json_normalize使用。
  • 然后这些列将是动物，它们被堆叠成一列。
import pandas as pd

# test data
list_of_dicts = [{'name': 'a', 'counts': [{'dog': 2}]}, {'name': 'b', 'counts': [{'cat': 1}, {'capibara': 5}, {'whale': 10}]}, {'name': 'c', 'counts': [{'horse':1}, {'cat': 1}]}]

# load and transform the dataframe
pd.json_normalize(list_of_dicts, 'counts', 'name').set_index('name').stack().reset_index().rename(columns={'level_1': 'Animal', 0: 'Frequency'})

# display(df)
  name    Animal  Frequency
0    a       dog        2.0
1    b       cat        1.0
2    b  capibara        5.0
3    b     whale       10.0
4    c     horse        1.0
5    c       cat        1.0
于 2021-01-22T17:10:22.793 回答
2

尝试：json_normalize_melt

(pd.json_normalize(list_of_dicts, record_path='counts', meta='name')
   .melt('name', var_name='Animal', value_name='Frequency')
   .dropna()
)

输出：

   name    Animal  Frequency
0     a       dog        2.0
7     b       cat        1.0
11    c       cat        1.0
14    b  capibara        5.0
21    b     whale       10.0
28    c     horse        1.0
于 2021-01-22T17:12:17.063 回答
1

试试这个？

>>> pd.json_normalize(list_of_dicts, 'counts').melt().dropna()
于 2021-01-22T17:12:28.423 回答
1

您还可以df.explode使用df.apply：

In [50]: df = pd.DataFrame(list_of_dicts).explode('counts')
In [74]: df.counts = df.counts.apply(lambda x: list(x.items())[0])

In [77]: df[['Animal', 'Frequency']] = pd.DataFrame(df['counts'].tolist(), index=df.index)

In [79]: df.drop('counts', 1, inplace=True)

In [80]: df
Out[80]: 
  name    Animal  Frequency
0    a       dog          2
1    b       cat          1
1    b  capibara          5
1    b     whale         10
2    c     horse          1
2    c       cat          1
于 2021-01-22T17:16:57.733 回答