Nested dictionary to multiindex dataframe, gdzie klucze słownikowe są etykietami kolumn

Question

Nested dictionary to multiindex dataframe, gdzie klucze słownikowe są etykietami kolumn

Powiedzmy, że mam słownik, który wygląda tak:

dictionary = {'A' : {'a': [1,2,3,4,5],
                     'b': [6,7,8,9,1]},

              'B' : {'a': [2,3,4,5,6],
                     'b': [7,8,9,1,2]}}

I chcę ramkę danych, która wygląda mniej więcej tak:

Czy jest na to wygodny sposób? Jeśli spróbuję:

In [99]:

DataFrame(dictionary)

Out[99]:
     A               B
a   [1, 2, 3, 4, 5] [2, 3, 4, 5, 6]
b   [6, 7, 8, 9, 1] [7, 8, 9, 1, 2]

Dostaję ramkę danych, gdzie każdy element jest listą. Potrzebuję multiindex, gdzie każdy poziom odpowiada kluczom w zagnieżdżonym dict i wierszom odpowiadającym każdemu elementowi na liście, jak pokazano powyżej. Myślę, że mogę pracować bardzo prymitywne rozwiązanie, ale mam nadzieję, że może być coś prostszego.

25

python pandas dataframe dictionary multi-index

Author: pbreach, 2014-07-28

Source

2 answers

dict_of_df = {k: pd.DataFrame(v) for k,v in dictionary.items()}
df = pd.concat(dict_of_df, axis=1)

Zauważ, że kolejność kolumn jest utracona dla Pythona

6

Author: user8227892,
Warning: date(): Invalid date.timezone value 'Europe/Kyiv', we selected the timezone 'UTC' for now. in /var/www/agent_stack/data/www/doraprojects.net/template/agent.layouts/content.php on line 54
2017-06-28 18:35:32

score 36 · Accepted Answer

Pandas chce wartości MultiIndex jako krotki, a nie zagnieżdżone dicty. Najprostszą rzeczą jest przekonwertowanie słownika do odpowiedniego formatu przed próbą przekazania go do DataFrame:

>>> reform = {(outerKey, innerKey): values for outerKey, innerDict in dictionary.iteritems() for innerKey, values in innerDict.iteritems()}
>>> reform
{('A', 'a'): [1, 2, 3, 4, 5],
 ('A', 'b'): [6, 7, 8, 9, 1],
 ('B', 'a'): [2, 3, 4, 5, 6],
 ('B', 'b'): [7, 8, 9, 1, 2]}
>>> pandas.DataFrame(reform)
   A     B   
   a  b  a  b
0  1  6  2  7
1  2  7  3  8
2  3  8  4  9
3  4  9  5  1
4  5  1  6  2

[5 rows x 4 columns]