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

另外，我发现面向行的例子很有帮助;因为通常记录是如何存储在外部的。

https://pbpython.com/pandas-list-dict.html

2019-08-04 01:12:40

其他回答

我已经遇到过这种情况几次，并有一个示例字典，我从函数get_max_Path()创建，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架，我运行了以下命令:

df = pd.DataFrame.from_dict(get_max_path(2)， orient = 'index').reset_index()

返回一个简单的带有单独索引的两列数据框架:

索引0 0 2 0.309750 13 0.441318

只需使用f.r ame(columns={'index': ' columnn1 '， 0: 'Column2'}， inplace=True)重命名列即可。

2017-04-04 13:33:06

在我的情况下，我希望字典的键和值是DataFrame的列和值。所以唯一对我有用的是:

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)

2017-08-17 09:42:12

在普通字典上的%timeit结果和pd. datafame .from_dict()是明显的赢家。

%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)

2022-11-25 02:14:12

我是这样做的:

df= pd.DataFrame([d.keys(), d.values()]).T
df.columns= ['keys', 'values']  # call them whatever you like

我希望这对你们有帮助

2019-02-26 22:11:47

正如在另一个答案中解释的那样，直接在这里使用pandas.DataFrame()不会像你想的那样起作用。

你可以使用pandas.DataFrame.from_dict with orient='index':

In[7]: pandas.DataFrame.from_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'2012-07-05': 392,
 u'2012-07-06': 392}, orient='index', columns=['foo'])
Out[7]: 
            foo
2012-06-08  388
2012-06-09  388
2012-06-10  388
2012-06-11  389
2012-06-12  389
........
2012-07-05  392
2012-07-06  392

2015-09-02 03:07:48

将Python字典转换为数据框架

推荐文章

最新文章

标签