安利几个pandas处理字典和JSON数据的方法
目录：
- 1. 字典数据转化为Dataframe类型
- 2.Dataframe转化为字典数据
- 3.json数据与Dataframe类型互相转化
- 4.多层结构字典转化为Dataframe
1. 字典数据转化为Dataframe类型
1.1.简单的字典
对于字典数据，直接用pd.Dataframe方法即可转化为Dataframe类型。我们可以看到，在常规的字典转化为Dataframe时，键转化为了列索引，行索引默认为range(n)，其中n为数据长度。我们亦可在进行转化的时候，通过设定参数index的值指定行索引。
In [1]: import pandas as pd
In [2]: d = {'one': [1., 2., 3., 4.],
...: 'two': [4., 3., 2., 1.]}
In [3]: pd.DataFrame(d)
Out[3]:
one two
0 1.0 4.0
1 2.0 3.0
2 3.0 2.0
3 4.0 1.0
In [4]: pd.DataFrame(d,index=['a', 'b', 'c', 'd'])
Out[4]:
one two
a 1.0 4.0
b 2.0 3.0
c 3.0 2.0
d 4.0 1.0
如果对于最简单的字典，其值为单一元素值的时候，直接使用pd.Dataframe方法进行转化时会出现报错“ValueError: If using all scalar values, you must pass an index”，大概是指在这种情况下我们需要进行index索引设置。
In [5]: data = {'a': 1, 'b': 2}
In [6]: pd.DataFrame(data)
Traceback (most recent call last):
File "<ipython-input-15-cd168f76d566>", line 1, in <module>
pd.DataFrame(data)
File "C:\Users\gongdc\Anaconda3\lib\site-packages\pandas\core\frame.py", line 468, in __init__
mgr = init_dict(data, index, columns, dtype=dtype)
File "C:\Users\gongdc\Anaconda3\lib\site-packages\pandas\core\internals\construction.py", line 283, in init_dict
return arrays_to_mgr(arrays, data_names, index, columns, dtype=dtype)
File "C:\Users\gongdc\Anaconda3\lib\site-packages\pandas\core\internals\construction.py", line 78, in arrays_to_mgr
index = extract_index(arrays)
File "C:\Users\gongdc\Anaconda3\lib\site-packages\pandas\core\internals\construction.py", line 387, in extract_index
raise ValueError("If using all scalar values, you must pass an index")
ValueError: If using all scalar values, you must pass an index
对于这种情况，我们可以有以下几种解决方案：
In [7]: data
Out[7]: {'a': 1, 'b': 2}
In [8]: pd.DataFrame(data,index=[0]) #设置index
Out[8]:
a b
0 1 2
In [9]: pd.DataFrame.from_dict(data,orient='index').T #使用 pd.DataFrame.from_dict，再转置
Out[9]:
a b
0 1 2
1.2.字典组成的列表
对于由字典组成的列表，同样可以简单使用pd.Dataframe方法转化为Dataframe类型。
In [10]: data = [{'a': 1, 'b': 2}, {'a': 5, 'b': 10, 'c': 20}]
In [11]: pd.DataFrame(data)
Out[11]:
a b c
0 1 2 NaN
1 5 10 20.0
In [12]: pd.DataFrame(data,index=['first', 'second'],columns=['a','b'])
Out[12]:
a b
first 1 2
second 5 10
1.3.元组组成的字典
对于元组组成的字典，会构成多级索引的情况，其中元组的第一个元素为一级索引，第二个元素为二级索引，以此类推。
In [13]: td = {('a', 'b'): 2,
...: ('a', 'a'): 4,
...: ('a', 'c'): 6,
...: ('b', 'a'): 8,
...: ('b', 'b'): 10}
In [14]: pd.DataFrame(td,index=[0])
Out[14]:
a b
b a c a b
0 2 4 6 8 10
1.4.嵌套字典
对于简单的嵌套字典，使用pd.Dataframe方法进行转化时，一级key是列索引，二级key是行索引。
In [15]: data= {
...: 'key1': {'a':-2, 'b': 100},
...: 'key2': {'a':11, 'b': 1000},
...: 'key3': {'a':-34, 'b': 800},
...: 'key4': {'a':8, 'b': 1100},
...: 'key5': {'a':46, 'b': 400}
...: }
In [16]: pd.DataFrame(data)
Out[16]:
key1 key2 key3 key4 key5
a -2 11 -34 8 46
b 100 1000 800 1100 400
采用pd.Dataframe.from_dict方法则可以通过设置参数orient来指定行列索引。
In [17]: pd.DataFrame.from_dict(data, orient='index')
Out[17]:
a b
key1 -2 100
key2 11 1000
key3 -34 800
key4 8 1100
key5 46 400
In [18]: pd.DataFrame.from_dict(data, orient='columns')
Out[18]:
key1 key2 key3 key4 key5
a -2 11 -34 8 46
b 100 1000 800 1100 400
2.Dataframe转化为字典数据
方法：DataFrame.to_dict(orient='dict', into=<class 'dict'>)
!! orient可选参数有：‘dict’, ‘list’, ‘series’, ‘split’, ‘records’, ‘index’
具体效果见下方案例：
In [19]: df = pd.DataFrame({'col1': [1, 2],
...: 'col2': [0.5, 0.75]},
...: index=['row1', 'row2'])
In [20]: df
Out[20:
col1 col2
row1 1 0.50
row2 2 0.75
In [21]: df.to_dict('dict')
Out[21]: {'col1': {'row1': 1, 'row2': 2}, 'col2': {'row1': 0.5, 'row2': 0.75}}
In [22]: df.to_dict('list')
Out[22]: {'col1': [1, 2], 'col2': [0.5, 0.75]}
In [23]: df.to_dict('series')
Out[23]:
{'col1': row1 1
row2 2
Name: col1, dtype: int64,
'col2': row1 0.50
row2 0.75
Name: col2, dtype: float64}
In [24]: df.to_dict('split')
Out[24]:
{'index': ['row1', 'row2'],
'columns': ['col1', 'col2'],
'data': [[1, 0.5], [2, 0.75]]}
In [25]: df.to_dict('records')
Out[25]: [{'col1': 1, 'col2': 0.5}, {'col1': 2, 'col2': 0.75}]
In [26]: df.to_dict('index')
Out[26]: {'row1': {'col1': 1, 'col2': 0.5}, 'row2': {'col1': 2, 'col2': 0.75}}
3.json数据与Dataframe类型互相转化
方法：**pandas.read_json(*args, kwargs)和to_json(orient=None)一般来说，传入2个参数：data和orient
!! orient可选参数有如下几类： 'split' : dict like {index -> [index], columns -> [columns], data ->[values]} 'records' : list like [{column -> value}, ... , {column -> value}] 'index' : dict like {index -> {column -> value}} 'columns' : dict like {column -> {index -> value}} 'values' : just the values array
表现效果如下：
In [27]: df
Out[27]:
col1 col2
row1 1 0.50
row2 2 0.75
In [28]: df.to_json(orient='split')
Out[28]: '{"columns":["col1","col2"],"index":["row1","row2"],"data":[[1,0.5],[2,0.75]]}'
In [29]: pd.read_json(_, orient='split')
Out[29]:
col1 col2
row1 1 0.50
row2 2 0.75
In [30]: df.to_json(orient='records')
Out[30]: '[{"col1":1,"col2":0.5},{"col1":2,"col2":0.75}]'
In [31]: pd.read_json(_, orient='records')
Out[31]:
col1 col2
0 1 0.50
1 2 0.75
In [32]: df.to_json(orient='index')
Out[32]: '{"row1":{"col1":1,"col2":0.5},"row2":{"col1":2,"col2":0.75}}'
In [33]: pd.read_json(_, orient='index')
Out[33]:
col1 col2
row1 1 0.50
row2 2 0.75
In [34]: df.to_json(orient='columns')
Out[34]: '{"col1":{"row1":1,"row2":2},"col2":{"row1":0.5,"row2":0.75}}'
In [35]: pd.read_json(_, orient='columns')
Out[35]:
col1 col2
row1 1 0.50
row2 2 0.75
In [36]: df.to_json(orient='values')
Out[36]: '[[1,0.5],[2,0.75]]'
In [37]: pd.read_json(_, orient='values')
Out[37]:
0 1
0 1 0.50
1 2 0.75
4.多层结构字典转化为Dataframe
方法：pandas.json_normalize()对于普通的多级字典如下：
In [38]: d = {'id': 1,
...: 'name': '马云',
...: 'rank': 1,
...: 'score':{'数学':120,
...: '语文':116,
...: '英语':120}}
In [39]: pd.DataFrame(d)
Out[39]:
id name rank score
数学 1 马云 1 120
英语 1 马云 1 120
语文 1 马云 1 116
In [40]: pd.json_normalize(d)
Out[40]:
id name rank score.数学 score.语文 score.英语
0 1 马云 1 120 116 120
In [41]: pd.json_normalize(d,max_level=0)
Out[41]:
id name rank score
0 1 马云 1 {'数学': 120, '语文': 116, '英语': 120}
In [42]: pd.json_normalize(d,max_level=1)
Out[42]:
id name rank score.数学 score.语文 score.英语
0 1 马云 1 120 116 120
对于字典和列表的组合，如下：
In [43]: data = {'id': 1,
...: 'name': '马云',
...: 'rank': 1,
...: 'score':[{'数学':120,
...: '语文':116,
...: '英语':120}]}
In [44]: pd.DataFrame(data)
Out[44]:
id name rank score
0 1 马云 1 {'数学': 120, '语文': 116, '英语': 120}
In [45]: pd.json_normalize(d)
Out[45]:
id name rank score.数学 score.语文 score.英语
0 1 马云 1 120 116 120
In [46]: pd.json_normalize(d,max_level=0)
Out[46]:
id name rank score
0 1 马云 1 {'数学': 120, '语文': 116, '英语': 120}
In [47]: pd.json_normalize(d,max_level=1)
Out[47]:
id name rank score.数学 score.语文 score.英语
0 1 马云 1 120 116 120
对于更复杂的情况，可以如下处理：（最后案例为需求结果）
In [48]: data = [{'id': 101,
...: 'info': {'name':'马云','班级':'2班'},
...: 'rank': 1,
...: 'score':[{'数学':120,
...: '语文':116,
...: '英语':120}]},
...: {'id': 201,
...: 'info': {'name':'马华腾','班级':'1班'},
...: 'rank': 2,
...: 'score':[{'数学':119,
...: '语文':116,
...: '英语':120}]}]
In [49]: pd.DataFrame(data)
Out[49]:
id info rank score
0 101 {'name': '马云', '班级': '2班'} 1 [{'数学': 120, '语文': 116, '英语': 120}]
1 201 {'name': '马华腾', '班级': '1班'} 2 [{'数学': 119, '语文': 116, '英语': 120}]
In [50]: pd.json_normalize(data)
Out[50]:
id rank score info.name info.班级
0 101 1 [{'数学': 120, '语文': 116, '英语': 120}] 马云 2班
1 201 2 [{'数学': 119, '语文': 116, '英语': 120}] 马华腾 1班
In [51]: pd.json_normalize(data,max_level=1)
Out[51]:
id rank score info.name info.班级
0 101 1 [{'数学': 120, '语文': 116, '英语': 120}] 马云 2班
1 201 2 [{'数学': 119, '语文': 116, '英语': 120}] 马华腾 1班
In [52]: pd.json_normalize(data,max_level=0)
Out[52]:
id info rank score
0 101 {'name': '马云', '班级': '2班'} 1 [{'数学': 120, '语文': 116, '英语': 120}]
1 201 {'name': '马华腾', '班级': '1班'} 2 [{'数学': 119, '语文': 116, '英语': 120}]
In [53]: pd.json_normalize(data,'score',['id','rank',['info','name'],['info','班级']])
Out[53]:
数学 语文 英语 id rank info.name info.班级
0 120 116 120 101 1 马云 2班
1 119 116 120 201 2 马华腾 1班-end-
本文参与 腾讯云自媒体同步曝光计划，分享自微信公众号。
原始发表：2020-11-26，如有侵权请联系 cloudcommunity@tencent.com 删除
评论
登录后参与评论
推荐阅读
目录
腾讯云开发者
