假设我有一个嵌套字典“user_dict”，其结构：
-
Level 1:用户 ID（长整型）
-
Level 2:类别（字符串）
-
Level 3:各种属性（浮点数、整数等..）
例如，该字典的条目为：
user_dict[12] = {
"Category 1": {"att_1": 1,
"att_2": "whatever"},
"Category 2": {"att_1": 23,
"att_2": "another"}}
中的每个项目user_dict具有相同的结构并且user_dict包含大量我想要提供给 pandas DataFrame 的项目，从属性构建系列。在这种情况下，分层索引将很有用。
具体来说，我的问题是是否存在一种方法可以帮助 DataFrame 构造函数理解该系列应该根据字典中“level 3”的值构建？
如果我尝试类似的事情：
df = pandas.DataFrame(users_summary)
“级别 1”中的项目（UserId）被视为列，这与我想要实现的目标相反（将 UserId 作为索引）。
我知道我可以在迭代字典条目后构建该系列，但如果有更直接的方法，这将非常有用。一个类似的问题是询问是否可以从文件中列出的 json 对象构造 pandas DataFrame。
pandas MultiIndex 由元组列表组成。因此，最自然的方法是重塑输入字典，使其键成为与您需要的多索引值相对应的元组。然后你可以使用构建你的数据框pd.DataFrame.from_dict，使用选项orient='index':
user_dict = {12: {'Category 1': {'att_1': 1, 'att_2': 'whatever'},
'Category 2': {'att_1': 23, 'att_2': 'another'}},
15: {'Category 1': {'att_1': 10, 'att_2': 'foo'},
'Category 2': {'att_1': 30, 'att_2': 'bar'}}}
pd.DataFrame.from_dict({(i,j): user_dict[i][j]
for i in user_dict.keys()
for j in user_dict[i].keys()},
orient='index')
att_1 att_2
12 Category 1 1 whatever
Category 2 23 another
15 Category 1 10 foo
Category 2 30 bar
另一种方法是通过连接组件数据帧来构建数据帧：
user_ids = []
frames = []
for user_id, d in user_dict.iteritems():
user_ids.append(user_id)
frames.append(pd.DataFrame.from_dict(d, orient='index'))
pd.concat(frames, keys=user_ids)
att_1 att_2
12 Category 1 1 whatever
Category 2 23 another
15 Category 1 10 foo
Category 2 30 bar
本文内容由网友自发贡献，版权归原作者所有，本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容，请联系:hwhale#tublm.com(使用前将#替换为@)
