将字典列表转换为pandas DataFrame

时间：2013-12-17 15:24:51

标签： python dictionary pandas dataframe

我有一个这样的词典列表：

[{'points': 50, 'time': '5:00', 'year': 2010}, 
{'points': 25, 'time': '6:00', 'month': "february"}, 
{'points':90, 'time': '9:00', 'month': 'january'}, 
{'points_h1':20, 'month': 'june'}]

我想把它变成像这样的大熊猫DataFrame：

      month  points  points_h1  time  year
0       NaN      50        NaN  5:00  2010
1  february      25        NaN  6:00   NaN
2   january      90        NaN  9:00   NaN
3      june     NaN         20   NaN   NaN

注意：列的顺序无关紧要。

如何将字典列表转换为pandas DataFrame，如上所示？

7 个答案:

答案 0 :(得分：661)

假设d是您的词典列表，只需：

pd.DataFrame(d)

答案 1 :(得分：69)

在pandas 16.2中，我必须pd.DataFrame.from_records(d)才能使其发挥作用。

答案 2 :(得分：49)

  

如何将字典列表转换为pandas DataFrame？

其他答案是正确的，但是就这些方法的优点和局限性而言，并没有太多解释。这篇文章的目的是展示在不同情况下这些方法的示例，讨论何时使用（何时不使用），并提出替代方案。

DataFrame()，DataFrame.from_records()和.from_dict()

根据数据的结构和格式，在某些情况下，这三种方法要么全部起作用，要么某些方法比其他方法更好，或者有些根本不起作用。

考虑一个非常人为的例子。

np.random.seed(0)
data = pd.DataFrame(
    np.random.choice(10, (3, 4)), columns=list('ABCD')).to_dict('r')

print(data)
[{'A': 5, 'B': 0, 'C': 3, 'D': 3},
 {'A': 7, 'B': 9, 'C': 3, 'D': 5},
 {'A': 2, 'B': 4, 'C': 7, 'D': 6}]

此列表由带有每个键的“记录”组成。这是您可能遇到的最简单的情况。

# The following methods all produce the same output.
pd.DataFrame(data)
pd.DataFrame.from_dict(data)
pd.DataFrame.from_records(data)

   A  B  C  D
0  5  0  3  3
1  7  9  3  5
2  2  4  7  6

字典方向词：orient='index' / 'columns'

在继续之前，重要的是要区分不同类型的词典方向和对熊猫的支持。主要有两种类型：“列”和“索引”。

orient='columns'
方向为“列”的字典的键将与等效DataFrame中的列相对应。

例如，上面的data位于“列”东方。

data_c = [
 {'A': 5, 'B': 0, 'C': 3, 'D': 3},
 {'A': 7, 'B': 9, 'C': 3, 'D': 5},
 {'A': 2, 'B': 4, 'C': 7, 'D': 6}]


pd.DataFrame.from_dict(data_c, orient='columns')

   A  B  C  D
0  5  0  3  3
1  7  9  3  5
2  2  4  7  6

注意：如果使用的是pd.DataFrame.from_records，则假定方向为“列”（否则无法指定），并且将相应地加载字典。

orient='index'
通过这种定向，键被假定为对应于索引值。这种数据最适合pd.DataFrame.from_dict。

data_i ={
 0: {'A': 5, 'B': 0, 'C': 3, 'D': 3},
 1: {'A': 7, 'B': 9, 'C': 3, 'D': 5},
 2: {'A': 2, 'B': 4, 'C': 7, 'D': 6}}


pd.DataFrame.from_dict(data_i, orient='index')

   A  B  C  D
0  5  0  3  3
1  7  9  3  5
2  2  4  7  6

在OP中不考虑这种情况，但仍然有用。

设置自定义索引

如果需要在结果DataFrame上使用自定义索引，则可以使用index=...参数进行设置。

pd.DataFrame(data, index=['a', 'b', 'c'])
# pd.DataFrame.from_records(data, index=['a', 'b', 'c'])

   A  B  C  D
a  5  0  3  3
b  7  9  3  5
c  2  4  7  6

pd.DataFrame.from_dict不支持此功能。

处理缺少的键/列

在处理缺少键/列值的字典时，所有方法都是开箱即用的。例如，

data2 = [
     {'A': 5, 'C': 3, 'D': 3},
     {'A': 7, 'B': 9, 'F': 5},
     {'B': 4, 'C': 7, 'E': 6}]


# The methods below all produce the same output.
pd.DataFrame(data2)
pd.DataFrame.from_dict(data2)
pd.DataFrame.from_records(data2)

     A    B    C    D    E    F
0  5.0  NaN  3.0  3.0  NaN  NaN
1  7.0  9.0  NaN  NaN  NaN  5.0
2  NaN  4.0  7.0  NaN  6.0  NaN

读取列子集

“如果我不想在每一列中阅读该怎么办”？您可以使用columns=...参数轻松地指定。

例如，从以上data2的示例字典中，如果您只想读取列“ A”，“ D”和“ F”，则可以通过传递列表来实现：

pd.DataFrame(data2, columns=['A', 'D', 'F'])
# pd.DataFrame.from_records(data2, columns=['A', 'D', 'F'])

     A    D    F
0  5.0  3.0  NaN
1  7.0  NaN  5.0
2  NaN  NaN  NaN

pd.DataFrame.from_dict不支持使用默认的东方“列”。

pd.DataFrame.from_dict(data2, orient='columns', columns=['A', 'B'])


ValueError: cannot use columns parameter with orient='columns'

读取行子集

任何直接方法都不支持。您将必须遍历数据并在迭代时就地执行reverse delete。例如，要从上述data2中仅提取第0 和2 nd 行，可以使用：

rows_to_select = {0, 2}
for i in reversed(range(len(data2))):
    if i not in rows_to_select:
        del data2[i]

pd.DataFrame(data2)
# pd.DataFrame.from_dict(data2)
# pd.DataFrame.from_records(data2)

     A    B  C    D    E
0  5.0  NaN  3  3.0  NaN
1  NaN  4.0  7  NaN  6.0

万能药：json_normalize用于嵌套数据

json_normalize函数是上述方法的一种强大而强大的替代方法，该函数可用于词典列表（记录），此外还可以处理嵌套词典。

pd.io.json.json_normalize(data)

   A  B  C  D
0  5  0  3  3
1  7  9  3  5
2  2  4  7  6


pd.io.json.json_normalize(data2)

     A    B  C    D    E
0  5.0  NaN  3  3.0  NaN
1  NaN  4.0  7  NaN  6.0

同样，请记住，传递给json_normalize的数据必须采用字典列表（记录）格式。

如前所述，json_normalize也可以处理嵌套字典。这是摘自文档的示例。

data_nested = [
  {'counties': [{'name': 'Dade', 'population': 12345},
                {'name': 'Broward', 'population': 40000},
                {'name': 'Palm Beach', 'population': 60000}],
   'info': {'governor': 'Rick Scott'},
   'shortname': 'FL',
   'state': 'Florida'},
  {'counties': [{'name': 'Summit', 'population': 1234},
                {'name': 'Cuyahoga', 'population': 1337}],
   'info': {'governor': 'John Kasich'},
   'shortname': 'OH',
   'state': 'Ohio'}
]


pd.io.json.json_normalize(data_nested, 
                          record_path='counties', 
                          meta=['state', 'shortname', ['info', 'governor']])

         name  population    state shortname info.governor
0        Dade       12345  Florida        FL    Rick Scott
1     Broward       40000  Florida        FL    Rick Scott
2  Palm Beach       60000  Florida        FL    Rick Scott
3      Summit        1234     Ohio        OH   John Kasich
4    Cuyahoga        1337     Ohio        OH   John Kasich

有关meta和record_path参数的更多信息，请查阅文档。

总结

这是上面讨论的所有方法的表格，以及受支持的功能/功能。

enter image description here

*使用orient='columns'，然后转置以获得与orient='index'相同的效果。

答案 3 :(得分：18)

您也可以将pd.DataFrame.from_dict(d)用作：

In [8]: d = [{'points': 50, 'time': '5:00', 'year': 2010}, 
   ...: {'points': 25, 'time': '6:00', 'month': "february"}, 
   ...: {'points':90, 'time': '9:00', 'month': 'january'}, 
   ...: {'points_h1':20, 'month': 'june'}]

In [12]: pd.DataFrame.from_dict(d)
Out[12]: 
      month  points  points_h1  time    year
0       NaN    50.0        NaN  5:00  2010.0
1  february    25.0        NaN  6:00     NaN
2   january    90.0        NaN  9:00     NaN
3      june     NaN       20.0   NaN     NaN

答案 4 :(得分：0)

我知道会有几个人遇到这个问题，但这里没有任何帮助。我发现最简单的方法是这样的：

dict_count = len(dict_list)
df = pd.DataFrame(dict_list[0], index=[0])
for i in range(1,dict_count-1):
    df = df.append(dict_list[i], ignore_index=True)

希望这对某人有帮助！

答案 5 :(得分：0)

Pyhton3： 前面列出的大多数解决方案都可以使用。但是，在某些情况下，不需要数据帧的row_number，并且每一行（记录）都必须单独写入。

在这种情况下，以下方法很有用。

import csv

my file= 'C:\Users\John\Desktop\export_dataframe.csv'

records_to_save = data2 #used as in the thread. 


colnames = list[records_to_save[0].keys()] 
# remember colnames is a list of all keys. All values are written corresponding
# to the keys and "None" is specified in case of missing value 

with open(myfile, 'w', newline="",encoding="utf-8") as f:
    writer = csv.writer(f)
    writer.writerow(colnames)
    for d in records_to_save:
        writer.writerow([d.get(r, "None") for r in colnames])

答案 6 :(得分：0)

要将字典列表转换为pandas DataFrame，可以使用“追加”：

我们有一个名为dic的词典，并且dic有30个列表项（list1，list2，…，list30）

  1. 第一步：定义一个变量以保持结果（例如：total_df）
  2. 第二步：使用total_df初始化list1
  3. 第3步：使用“ for循环”将所有列表附加到total_df 
total_df=list1
nums=Series(np.arange(start=2, stop=31))
for num in nums:
    total_df=total_df.append(dic['list'+str(num)])
相关问题
最新问题