将Python字典转换为数据框架

我有一本Python字典，如下所示:

{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}

键是Unicode日期，值是整数。我想通过将日期和它们对应的值作为两个单独的列来将其转换为熊猫数据框架。示例:col1: Dates col2: DateValue(日期仍然是Unicode, datevalues仍然是整数)

     Date         DateValue
0    2012-07-01    391
1    2012-07-02    392
2    2012-07-03    392
.    2012-07-04    392
.    ...           ...
.    ...           ...

任何在这方面的帮助都将不胜感激。我无法在熊猫文档上找到资源来帮助我。

我知道一个解决方案可能是将这个字典中的每个键-值对转换为一个字典，这样整个结构就变成了字典的字典，然后我们可以将每一行单独添加到数据帧中。但是我想知道是否有更简单更直接的方法。

到目前为止，我已经尝试将字典转换为一个系列对象，但这似乎没有保持列之间的关系:

s  = Series(my_dict,index=my_dict.keys())

当前回答

你也可以将字典的键和值传递给新的数据框架，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()

2017-01-03 08:09:05

其他回答

将字典的项传递给DataFrame构造函数，并给出列名。之后，解析Date列以获得时间戳值。

注意python 2之间的区别。X和3.x:

在python 2.x中:

df = pd.DataFrame(data.items(), columns=['Date', 'DateValue'])
df['Date'] = pd.to_datetime(df['Date'])

在Python 3中。X:(需要额外的“列表”)

df = pd.DataFrame(list(data.items()), columns=['Date', 'DateValue'])
df['Date'] = pd.to_datetime(df['Date'])

2013-09-16 21:11:07

这里的错误在于，由于使用标量值调用DataFrame构造函数(它期望值为list/dict/…即有多个列):

pd.DataFrame(d)
ValueError: If using all scalar values, you must must pass an index

你可以从字典中获取项(即键值对):

In [11]: pd.DataFrame(d.items())  # or list(d.items()) in python 3
Out[11]:
             0    1
0   2012-07-02  392
1   2012-07-06  392
2   2012-06-29  391
3   2012-06-28  391
...

In [12]: pd.DataFrame(d.items(), columns=['Date', 'DateValue'])
Out[12]:
          Date  DateValue
0   2012-07-02        392
1   2012-07-06        392
2   2012-06-29        391

但我认为传递Series构造函数更有意义:

In [21]: s = pd.Series(d, name='DateValue')
Out[21]:
2012-06-08    388
2012-06-09    388
2012-06-10    388

In [22]: s.index.name = 'Date'

In [23]: s.reset_index()
Out[23]:
          Date  DateValue
0   2012-06-08        388
1   2012-06-09        388
2   2012-06-10        388

2013-09-16 21:12:01

这是我的工作，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']

2019-10-23 10:03:25

d = {'Date': list(yourDict.keys()),'Date_Values': list(yourDict.values())}
df = pandas.DataFrame(data=d)

如果你没有在list()中封装你的dict .keys()，那么你最终会发现你所有的键和值都被放在每一列的每一行中。是这样的:

日期\ 0(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…

但是通过添加list()，结果是这样的:

日期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 .．.

2019-01-30 06:39:36

我发现最简单的方法是创建一个空的数据框架并附加字典。你需要告诉panda's不要关心索引，否则你会得到错误:TypeError:只能在ignore_index=True时附加字典

import pandas as pd
mydict = {'foo': 'bar'}
df = pd.DataFrame()
df = df.append(mydict, ignore_index=True)

2021-06-04 13:55:26

将Python字典转换为数据框架

推荐文章

最新文章

标签