将 Python 字典转换为数据框
- 2024-12-04 08:56:00
- admin 原创
- 148
问题描述：
我有一本 Python 字典：
{u'2012-07-01': 391,
u'2012-07-02': 392,
u'2012-07-03': 392,
u'2012-07-04': 392,
u'2012-07-05': 392,
u'2012-07-06': 392}
我想将其转换为 pandas 数据框，将日期及其对应的值作为两个单独的列；预期结果如下：
Date DateValue
0 2012-07-01 391
1 2012-07-02 392
2 2012-07-03 392
. 2012-07-04 392
. ... ...
有没有直接的方法可以做到这一点？
解决方案 1：
这里的错误是由于使用标量值调用 DataFrame 构造函数（它期望值是列表/字典/……即有多个列）：
pd.DataFrame(d)
ValueError: If using all scalar values, you must must pass an index
您可以从字典中获取项目（即键值对）：
In [11]: pd.DataFrame(d.items()) # or list(d.items()) in python 3
Out[11]:
0 1
0 2012-07-01 391
1 2012-07-02 392
2 2012-07-03 392
3 2012-07-04 392
4 2012-07-05 392
5 2012-07-06 392
In [12]: pd.DataFrame(d.items(), columns=['Date', 'DateValue'])
Out[12]:
Date DateValue
0 2012-07-01 391
1 2012-07-02 392
2 2012-07-03 392
3 2012-07-04 392
4 2012-07-05 392
5 2012-07-06 392
但我认为传递 Series 构造函数更有意义：
In [20]: s = pd.Series(d, name='DateValue')
In [21]: s
Out[21]:
2012-07-01 391
2012-07-02 392
2012-07-03 392
2012-07-04 392
2012-07-05 392
2012-07-06 392
Name: DateValue, dtype: int64
In [22]: s.index.name = 'Date'
In [23]: s.reset_index()
Out[23]:
Date DateValue
0 2012-07-01 391
1 2012-07-02 392
2 2012-07-03 392
3 2012-07-04 392
4 2012-07-05 392
5 2012-07-06 392
解决方案 2：
当将字典转换为 pandas 数据框时，您希望将键作为所述数据框的列，将值作为行值，您可以简单地将字典括在括号中，如下所示：
>>> dict_ = {'key 1': 'value 1', 'key 2': 'value 2', 'key 3': 'value 3'}
>>> pd.DataFrame([dict_])
key 1 key 2 key 3
0 value 1 value 2 value 3
编辑：在pandas 文档中，DataFrame 构造函数中参数的一个选项data是字典列表。这里我们传递了一个包含一个字典的列表。
解决方案 3：
正如另一个答案所解释的那样，DataFrame()直接在这里使用不会像您想象的那样。
你可以做的是DataFrame.from_dict()使用orient='index'：
In [5]: d = {
...: u'2012-07-01': 391,
...: u'2012-07-02': 392,
...: u'2012-07-03': 392,
...: u'2012-07-04': 392,
...: u'2012-07-05': 392,
...: u'2012-07-06': 392}
In [6]: df = pd.DataFrame.from_dict(d, orient='index', columns=['DateValue'])
In [7]: df
Out[7]:
DateValue
2012-07-01 391
2012-07-02 392
2012-07-03 392
2012-07-04 392
2012-07-05 392
2012-07-06 392
为了得到你想要的东西：
In [8]: df.reset_index(names='Date')
Out[8]:
Date DateValue
0 2012-07-01 391
...
解决方案 4：
将字典中的条目传递给 DataFrame 构造函数，并指定列名。之后解析Date列以获取Timestamp值。
注意python 2.x和3.x的区别：
在python 2.x中：
df = pd.DataFrame(data.items(), columns=['Date', 'DateValue'])
df['Date'] = pd.to_datetime(df['Date'])
在 Python 3.x 中:（需要额外的“列表”）
df = pd.DataFrame(list(data.items()), columns=['Date', 'DateValue'])
df['Date'] = pd.to_datetime(df['Date'])
解决方案 5：
ps 特别是，我发现面向行的示例很有帮助；因为通常这就是记录在外部存储的方式。
https://pbpython.com/pandas-list-dict.html
解决方案 6：
Pandas 具有将字典转换为数据框的内置函数。
pd.DataFrame.from_dict（dictionaryObject，orient='index'）
对于您的数据，您可以像下面这样进行转换：
import pandas as pd
your_dict={u'2012-06-08': 388,
u'2012-06-09': 388,
u'2012-06-10': 388,
u'2012-06-11': 389,
u'2012-06-12': 389,
u'2012-06-13': 389,
u'2012-06-14': 389,
u'2012-06-15': 389,
u'2012-06-16': 389,
u'2012-06-17': 389,
u'2012-06-18': 390,
u'2012-06-19': 390,
u'2012-06-20': 390,
u'2012-06-21': 390,
u'2012-06-22': 390,
u'2012-06-23': 390,
u'2012-06-24': 390,
u'2012-06-25': 391,
u'2012-06-26': 391,
u'2012-06-27': 391,
u'2012-06-28': 391,
u'2012-06-29': 391,
u'2012-06-30': 391,
u'2012-07-01': 391,
u'2012-07-02': 392,
u'2012-07-03': 392,
u'2012-07-04': 392,
u'2012-07-05': 392,
u'2012-07-06': 392}
your_df_from_dict=pd.DataFrame.from_dict(your_dict,orient='index')
print(your_df_from_dict)
解决方案 7：
这对我有用，因为我想有一个单独的索引列
df = pd.DataFrame.from_dict(some_dict, orient="index").reset_index()
df.columns = ['A', 'B']
解决方案 8：
pd.DataFrame({'date' : dict_dates.keys() , 'date_value' : dict_dates.values() })
解决方案 9：
重点在于如何将每个元素放入其中DataFrame。
按行：
pd.DataFrame(dic.items(), columns=['Date', 'Value'])
或按列：
pd.DataFrame([dic])
解决方案 10：
我发现最简单的方法是创建一个空的数据框并附加字典。您需要告诉 panda 不要关心索引，否则您会收到错误：TypeError: Can only append a dict if ignore_index=True
import pandas as pd
mydict = {'foo': 'bar'}
df = pd.DataFrame()
df = df.append(mydict, ignore_index=True)
解决方案 11：
这对我来说是这样的：
df= pd.DataFrame([d.keys(), d.values()]).T
df.columns= ['keys', 'values'] # call them whatever you like
我希望这有帮助
解决方案 12：
接受一个字典作为参数并返回一个数据框，其中字典的键作为索引，值作为列。
def dict_to_df(d):
df=pd.DataFrame(d.items())
df.set_index(0, inplace=True)
return df
解决方案 13：
您也可以将字典的键和值传递给新的数据框，如下所示：
import pandas as pd
myDict = {<the_dict_from_your_example>]
df = pd.DataFrame()
df['Date'] = myDict.keys()
df['DateValue'] = myDict.values()
解决方案 14：
在我的例子中，我希望字典的键和值是 DataFrame 的列和值。所以对我唯一有用的是：
data = {'adjust_power': 'y', 'af_policy_r_submix_prio_adjust': '[null]', 'af_rf_info': '[null]', 'bat_ac': '3500', 'bat_capacity': '75'}
columns = list(data.keys())
values = list(data.values())
arr_len = len(values)
pd.DataFrame(np.array(values, dtype=object).reshape(1, arr_len), columns=columns)
解决方案 15：
%timeit在普通词典上的结果pd.DataFrame.from_dict()显然是赢家。
%timeit cols_df = pd.DataFrame.from_dict(clu_meta,orient='index',columns=['Columns_fromUser'])
214 µs ± 9.38 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)
%timeit pd.DataFrame([clu_meta])
943 µs ± 10.6 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)
%timeit pd.DataFrame(clu_meta.items(), columns=['Default_colNames', 'Columns_fromUser'])
285 µs ± 7.91 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)
解决方案 16：
我认为您可以在创建字典时对数据格式进行一些更改，然后可以轻松地将其转换为 DataFrame：
输入：
a={'Dates':['2012-06-08','2012-06-10'],'Date_value':[388,389]}
输出：
{'Date_value': [388, 389], 'Dates': ['2012-06-08', '2012-06-10']}
输入：
aframe=DataFrame(a)
输出：将是你的 DataFrame
您只需要在 Sublime 或 Excel 之类的程序中使用一些文本编辑功能。
解决方案 17：
d = {'Date': list(yourDict.keys()),'Date_Values': list(yourDict.values())}
df = pandas.DataFrame(data=d)
如果您没有将其封装yourDict.keys()在内list()，那么您最终会将所有键和值放置在每一行的每一列中。如下所示：
`Date n0 (2012-06-08, 2012-06-09, 2012-06-10, 2012-06-1...
1 (2012-06-08, 2012-06-09, 2012-06-10, 2012-06-1...
2 (2012-06-08, 2012-06-09, 2012-06-10, 2012-06-1...
3 (2012-06-08, 2012-06-09, 2012-06-10, 2012-06-1...
4 (2012-06-08, 2012-06-09, 2012-06-10, 2012-06-1...`
但添加list()后结果如下：
`Date Date_Values
0 2012-06-08 388
1 2012-06-09 388
2 2012-06-10 388
3 2012-06-11 389
4 2012-06-12 389
...`
解决方案 18：
我遇到过几次这种情况，并且有一个由函数创建的示例字典get_max_Path()，它返回示例字典：
`{2: 0.3097502930247044,
3: 0.4413177909384636,
4: 0.5197224051562838,
5: 0.5717654946470984,
6: 0.6063959031223476,
7: 0.6365209824708223,
8: 0.655918861281035,
9: 0.680844386645206}`
为了将其转换为数据框，我运行了以下命令：
df = pd.DataFrame.from_dict(get_max_path(2), orient = 'index').reset_index()
返回一个具有单独索引的简单两列数据框：
`index 0
0 2 0.309750
1 3 0.441318`
只需使用重命名列f.rename(columns={'index': 'Column1', 0: 'Column2'}, inplace=True)
解决方案 19：
如果键应该是一个单独的列，那么构建一个系列，然后重置索引并重命名列就可以了。
d = {'2012-06-08': 388, '2012-06-09': 388, '2012-06-10': 388, '2012-06-11': 389}
df = pd.Series(d).rename_axis('Date').reset_index(name='Value')
df = pd.Series(d).reset_index().set_axis(['Date', 'Value'], axis=1)
Date Value
0 2012-06-08 388
1 2012-06-09 388
2 2012-06-10 388
3 2012-06-11 389
如果键应该是索引，那么构建一个Series，然后扩展为DataFrame就可以了。
df = pd.Series(d).to_frame('Value')
Value
2012-06-08 388
2012-06-09 388
2012-06-10 388
2012-06-11 389
如果字典是深度嵌套的（类似于 json 对象），那么您也可以使用json_normalize()它来将其展平。
d = {'id': 0, 'Data': [{'x': {'a': 10, 'b': 2}}, {'x': {'a': 20, 'b': 1}}]}
df = pd.json_normalize(d, 'Data', 'id')
x.a x.b id
0 10 2 0
1 20 1 0
