我有一个如下的Python字典:
{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个日期,值是整数。我想通过将日期及其对应的值作为两个单独的列将其转换为pandas数据帧。示例:col1:日期col2:DateValue(日期仍为Unicode,日期值仍为整数)
Date DateValue
0 2012-07-01 391
1 2012-07-02 392
2 2012-07-03 392
. 2012-07-04 392
. ... ...
. ... ...
非常感谢这方面的任何帮助。我无法在大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此dict中的每个键值对转换为dict,以便整个结构成为dicts的dict,然后我们可以将每一行单独添加到数据帧。但我想知道是否有更简单的方法和更直接的方法来做到这一点。
到目前为止,我已经尝试将dict转换为一个系列对象,但这似乎并没有维持列之间的关系:
s = Series(my_dict,index=my_dict.keys())
答案 0 :(得分:311)
这里的错误是因为调用DataFrame构造函数时带有标量值(它希望值为list / dict / ...即有多列):
pd.DataFrame(d)
ValueError: If using all scalar values, you must must pass an index
您可以从字典中获取项目(即键值对):
In [11]: pd.DataFrame(d.items()) # or list(d.items()) in python 3
Out[11]:
0 1
0 2012-07-02 392
1 2012-07-06 392
2 2012-06-29 391
3 2012-06-28 391
...
In [12]: pd.DataFrame(d.items(), columns=['Date', 'DateValue'])
Out[12]:
Date DateValue
0 2012-07-02 392
1 2012-07-06 392
2 2012-06-29 391
但我认为传递Series构造函数更有意义:
In [21]: s = pd.Series(d, name='DateValue')
Out[21]:
2012-06-08 388
2012-06-09 388
2012-06-10 388
In [22]: s.index.name = 'Date'
In [23]: s.reset_index()
Out[23]:
Date DateValue
0 2012-06-08 388
1 2012-06-09 388
2 2012-06-10 388
答案 1 :(得分:78)
正如另一个直接使用pandas.DataFrame()
的答案所解释的那样,不会按你的想法行事。
您可以使用 orient='index'
使用pandas.DataFrame.from_dict
:
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'2012-06-13': 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}, orient='index')
Out[7]:
0
2012-06-13 389
2012-06-16 389
2012-06-12 389
2012-07-03 392
2012-07-02 392
2012-06-29 391
2012-06-30 391
2012-07-01 391
2012-06-15 389
2012-06-08 388
2012-06-09 388
2012-07-05 392
2012-07-04 392
2012-06-14 389
2012-07-06 392
2012-06-17 389
2012-06-20 390
2012-06-21 390
2012-06-22 390
2012-06-23 390
2012-06-11 389
2012-06-10 388
2012-06-26 391
2012-06-27 391
2012-06-28 391
2012-06-24 390
2012-06-19 390
2012-06-18 390
2012-06-25 391
答案 2 :(得分:70)
将字典转换为pandas数据帧时,您希望键是所述数据帧的列,而值是行值,您可以简单地在字典中放置括号,如下所示:
new_dict = {'key 1': 'value 1', 'key 2': 'value 2', 'key 3': 'value 3'}
In[33]:pd.DataFrame([new_dict])
Out[33]:
key 1 key 2 key 3
0 value 1 value 2 value 3
这让我有些头疼,所以我希望它可以帮助那些人!
答案 3 :(得分:62)
将字典的项目传递给DataFrame构造函数,并给出列名称。然后解析Date
列以获取Timestamp
值。
注意python 2.x和3.x之间的区别:
在python 2.x中:
df = pd.DataFrame(data.items(), columns=['Date', 'DateValue'])
df['Date'] = pd.to_datetime(df['Date'])
在Python 3.x中:(需要额外的'列表')
df = pd.DataFrame(list(data.items()), columns=['Date', 'DateValue'])
df['Date'] = pd.to_datetime(df['Date'])
答案 4 :(得分:10)
答案 5 :(得分:9)
Pandas有doc用于将dict转换为数据框。
pd.DataFrame.from_dict(dictionaryObject,东方='指数&#39)
对于您的数据,您可以将其转换为如下所示:
import pandas as pd
your_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'2012-06-13': 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}
your_df_from_dict=pd.DataFrame.from_dict(your_dict,orient='index')
print(your_df_from_dict)
答案 6 :(得分:5)
var async = require('async');
function WriteToDB(object) {
object.getItems(function (err, items) {
var rowlist = [];
async.each(items, function (item, cb) {
var field1 = offer.name;
var field2 = item.name;
getItemValue(item.name, function (value) {
var field3 = value;
var row = [field1, field2, field3];
rowlist.push(row);
cb();
}); //async db call
}, function () {
// All async read are completed here
write(rowlist);
});
});
};
答案 7 :(得分:5)
在我的情况下,我希望dict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)
答案 8 :(得分:4)
您也可以将字典的键和值传递给新的数据帧,如下所示:
import pandas as pd
myDict = {<the_dict_from_your_example>]
df = pd.DataFrame()
df['Date'] = myDict.keys()
df['DateValue'] = myDict.values()
答案 9 :(得分:3)
接受dict作为参数,并返回一个数据框,其中dict的键为索引,值为列。
def dict_to_df(d):
df=pd.DataFrame(d.items())
df.set_index(0, inplace=True)
return df
答案 10 :(得分:2)
这就是我的工作方式:
df= pd.DataFrame([d.keys(), d.values()]).T
df.columns= ['keys', 'values'] # call them whatever you like
我希望这对您有帮助
答案 11 :(得分:2)
这对我有用,因为我想拥有一个单独的索引列
df = pd.DataFrame.from_dict(some_dict, orient="index").reset_index()
df.columns = ['A', 'B']
答案 12 :(得分:0)
我已经多次遇到这个并且有一个我从函数get_max_Path()
创建的示例字典,并返回示例字典:
{2: 0.3097502930247044,
3: 0.4413177909384636,
4: 0.5197224051562838,
5: 0.5717654946470984,
6: 0.6063959031223476,
7: 0.6365209824708223,
8: 0.655918861281035,
9: 0.680844386645206}
要将其转换为数据框,我运行了以下内容:
df = pd.DataFrame.from_dict(get_max_path(2), orient = 'index').reset_index()
返回一个带有单独索引的简单两列数据框:
index 0
0 2 0.309750
1 3 0.441318
只需使用f.rename(columns={'index': 'Column1', 0: 'Column2'}, inplace=True)
答案 13 :(得分:0)
我认为您在创建字典时可以对数据格式进行一些更改,然后您可以轻松地将其转换为DataFrame:
输入:
a={'Dates':['2012-06-08','2012-06-10'],'Date_value':[388,389]}
输出:
{'Date_value': [388, 389], 'Dates': ['2012-06-08', '2012-06-10']}
输入:
aframe=DataFrame(a)
输出:将是您的DataFrame
你只需要在像Sublime或Excel这样的地方使用一些文本编辑。
答案 14 :(得分:0)
d = {'Date': list(yourDict.keys()),'Date_Values': list(yourDict.values())}
df = pandas.DataFrame(data=d)
如果不将yourDict.keys()
封装在list()
内,那么最终会将所有键和值放置在每一列的每一行中。像这样:
Date \
0 (2012-06-08, 2012-06-09, 2012-06-10, 2012-06-1...
1 (2012-06-08, 2012-06-09, 2012-06-10, 2012-06-1...
2 (2012-06-08, 2012-06-09, 2012-06-10, 2012-06-1...
3 (2012-06-08, 2012-06-09, 2012-06-10, 2012-06-1...
4 (2012-06-08, 2012-06-09, 2012-06-10, 2012-06-1...
但是通过添加list()
,结果将如下所示:
Date Date_Values
0 2012-06-08 388
1 2012-06-09 388
2 2012-06-10 388
3 2012-06-11 389
4 2012-06-12 389
...
答案 15 :(得分:0)
我发现的最简单的方法是创建一个空的数据框并附加字典。
你需要告诉panda's不要关心索引,否则你会得到错误:TypeError: Can only append a dict if ignore_index=True
import pandas as pd
mydict = {'foo': 'bar'}
df = pd.DataFrame()
df = df.append(mydict, ignore_index=True)