Question

我的数据框主要包含NaN，但某些条目中也包含字典。我的目标是将这些词典扩展到数据框的列，并将它们的条目保存在各自的索引上。这是数据帧的一小部分。

                                                                       _id  _score 
query                                                        
chrM:g.146T>C                                                            NaN  NaN  
chrM:g.11723C>T                                                          NaN  NaN                                       NaN  NaN   
chrM:g.11813A>G                                                          NaN  NaN   
chrM:g.12140T>A                                                          NaN  NaN   
...                                                                      ...  ...     
chr1:g.11976370T>G         {u'ref': u'T', u'alleles': [{u'allele': u'T', ...  NaN   
chr1:g.12007164A>G                                                       NaN  NaN   
chr1:g.12007165A>G                                                       NaN  NaN

到目前为止，我只是设法选择每个字典的键并添加以这些键命名的列：

s ={}
for cols in cols:
    if type(data1[cols].dropna()[0]) == type(s):
       cols_var = np.array(data1[cols].dropna()[0].keys())
       data1 = pandas.concat([data1,pandas.DataFrame(columns=cols_var)])

非常感谢任何关于如何以高效和可读的方式提供帮助或提示。

**编辑：**此代码：

y = pandas.Series((dbsnp.iloc[0]))
print y

然而，

检索一些有用的东西：

allele_origin                   unspecified
alleles                         [{u'allele': u'G'}, {u'allele': u'A'}]      
alt                              A
...                              ...
rsid                             rs201327123
vartype                          snp
dtype: object

我会尝试在这里工作，非常感谢其他输入。

Answer 1

为了将字典扩展为具有多列的数据框，您应该apply一个将字典作为pandas系列返回的函数。为此，您必须先删除NaN值。

让我们从一列开始：s = data1['_id'].dropna()。以下内容将返回由字典构成的扩展数据框：

expanded_df = s.apply(lambda row: pandas.Series(row))

这使用了将字典转换为系列的lambda（即内联）函数。您现在可以将展开的数据框与原始数据框合并：

pandas.concat([data1, expanded_df], axis=1)

concat函数将按索引匹配行，并为NaN中的缺失索引添加expanded_df值。方便的是，这些将是您在第一步中使用dropna删除的行。

现在，您可以对data1中的所有列执行此操作，方法是像最初一样迭代列，或者在apply上使用data1。

使用词典展开数据框

1 个答案: