TL; DR如果Pandas DataFrame中的加载字段本身包含JSON文档,那么它们如何在像时尚这样的Pandas中使用?
目前我直接将Twitter库(twython)中的json / dictionary结果转储到Mongo集合(此处称为用户)。
from twython import Twython
from pymongo import MongoClient
tw = Twython(...<auth>...)
# Using mongo as object storage
client = MongoClient()
db = client.twitter
user_coll = db.users
user_batch = ... # collection of user ids
user_dict_batch = tw.lookup_user(user_id=user_batch)
for user_dict in user_dict_batch:
if(user_coll.find_one({"id":user_dict['id']}) == None):
user_coll.insert(user_dict)
填充此数据库后,我将文档读入Pandas:
# Pull straight from mongo to pandas
cursor = user_coll.find()
df = pandas.DataFrame(list(cursor))
这就像魔法一样:
我希望能够破坏“状态”字段Pandas样式(直接访问属性)。有办法吗?
编辑:df ['status:text']之类的东西。状态包含“text”,“created_at”等字段。一个选项可能是像Jess McKinney正在研究的this pull request那样展平/规范这个json字段。
答案 0 :(得分:21)
一种解决方案就是使用Series构造函数粉碎它:
In [1]: df = pd.DataFrame([[1, {'a': 2}], [2, {'a': 1, 'b': 3}]])
In [2]: df
Out[2]:
0 1
0 1 {u'a': 2}
1 2 {u'a': 1, u'b': 3}
In [3]: df[1].apply(pd.Series)
Out[3]:
a b
0 2 NaN
1 1 3
在某些情况下,您需要concat将此{{3}}替换为数据框来代替dict行:
In [4]: dict_col = df.pop(1) # here 1 is the column name
In [5]: pd.concat([df, dict_col.apply(pd.Series)], axis=1)
Out[5]:
0 a b
0 1 2 NaN
1 2 1 3
如果它变得更深,你可以这样做几次......