Question

我正在为硕士论文研究数据挖掘问题。我使用Python进行数据分析，但我没有使用Pandas的经验，这是将数据转换为Dataframe所必需的。为了使用名为Lifelines的Python包进行生存回归，我需要从我的experiment_data dict创建一个Covariate Matrix，其中包含超过16k的关于Kickstarter项目的Twitter数据（参见下面的示例dict）。

16041: {'goal': 1200, 'launch': 1353544772, 'days-before-deadline': 3, 'followers': 149, 'date-funded': 1355887690.9189188, 'id': 52687, 'tweet_ids': [280965208409796608, ... n], 'state': 1, 'deadline': 1356136772, 'retweets': 0, 'favorites': 0, 'duration': 31, 'timestamps': [1355876412.0], 'favourites': 0, 'runtime': 27, 'friends': 127, 'pledges': [0.0, 0.0625, 0.0625, ... n], 'statuses': 7460}

如果我从这个dict创建一个Pandas Dataframe，我将能够使用Patsy创建一个Covariate Matrix，例如：

X = patsy.dmatrix('friends + followers + retweets, favorites -1', data, return_type='dataframe')

现在我的问题是如何从experiment_data dicts创建一个Pandas Dataframe？内部词典（目标，发射，追随者等）的键应该是每个Kickstarter项目的列（即索引号：0到16041）。

任何帮助都会非常感激。提前谢谢！

P.S。如果您有使用Python和Lifelines的生存回归经验，请告诉我们！

Answer 1

我认为你希望from_dict使用param orient='index'：

In [31]:
d={16041: {'goal': 1200, 'launch': 1353544772, 'days-before-deadline': 3, 'followers': 149, 'date-funded': 1355887690.9189188, 'id': 52687, 'tweet_ids': [280965208409796608], 'state': 1, 'deadline': 1356136772, 'retweets': 0, 'favorites': 0, 'duration': 31, 'timestamps': [1355876412.0], 'favourites': 0, 'runtime': 27, 'friends': 127, 'pledges': [0.0, 0.0625, 0.0625], 'statuses': 7460}}
pd.DataFrame.from_dict(d, orient='index')    

Out[31]:
          id  followers  days-before-deadline  statuses  duration  state  \
16041  52687        149                     3      7460        31      1   

       goal             tweet_ids                pledges  favourites  \
16041  1200  [280965208409796608]  [0.0, 0.0625, 0.0625]           0   

         deadline  favorites  retweets  runtime  friends      launch  \
16041  1356136772          0         0       27      127  1353544772   

           timestamps   date-funded  
16041  [1355876412.0]  1.355888e+09

将包含16k dicts的字典更改为Pandas Dataframe

1 个答案: