Question

我有一个包含以下列的DataFrame，没有重复项：

['region', 'type', 'name', 'value']

可以看作层次结构如下

grouped = df.groupby(['region','type', 'name'])

我想将此层次结构序列化为JSON对象。

如果有人感兴趣，这背后的动机是最终整合像this one这样需要JSON文件的可视化。

为此，我需要将grouped转换为以下内容：

new_data['children'][i]['name'] = region
new_data['children'][i]['children'][j]['name'] = type
new_data['children'][i]['children'][j]'children'][k]['name'] = name
new_data['children'][i]['children'][j]'children'][k]['size'] = value
...

其中region，type，name对应于层次结构的不同级别（由i，j和k索引<） / p>

Pandas / Python有一种简单的方法吗？

Answer 1

沿着这些方向的东西可能会让你到那里。

from collections import defaultdict

tree = lambda: defaultdict(tree)  # a recursive defaultdict
d = tree()
for _, (region, type, name, value) in df.iterrows():
    d['children'][region]['name'] = region
    ...

json.dumps(d)

矢量化解决方案会更好，也许可以利用groupby的速度，但我想不出这样的解决方案。

另请查看返回字典的df.groupby(...).groups。

另见this answer。

Answer 2

这是另一个获取pandas df并输出flare.json文件的脚本：https://github.com/andrewheekin/csv2flare.json

熊猫到D3。将数据帧序列化为JSON

2 个答案: