将嵌套字典替换为空数据框

时间:2018-10-23 10:41:44

标签: python pandas dictionary dataframe

我有以下nested_dict

{'view_0': {'spain': -1}, 'view_1': {'portugal': 0}, 'view_2': {'morocco': 1.0, 'france': -1.0}, 'view_3': {'germany': 0.5, 'italy': 0.5, 'uk': -0.5, 'ireland': -0.5}}

另一方面,我有以下empty_df,其中索引显示nested_dict的键。以及在每个key的值中找到的nested_dict列中。

            spain  portugal  morocco  france  germany  italy  uk   ireland
view_0          0    0         0        0       0       0      0      0             
view_1          0    0         0        0       0       0      0      0       
view_2          0    0         0        0       0       0      0      0       
view_3          0    0         0        0       0       0      0      0       

我想将values.values()的{​​{1}}放在nested_dict中,以获得以下输出:

empty_df

为了做到这一点,我尝试了

            spain  portugal  morocco  france  germany  italy  uk   ireland
view_0         -1    0         0        0       0       0      0      0             
view_1          0    0         0        0       0       0      0      0       
view_2          0    0         1       -1       0       0      0      0       
view_3          0    0         0        0      0.5     0.5   -0.5   -0.5

但是,返回填充有零的empty_df.replace(nested_dict) ,而不是替换值。

2 个答案:

答案 0 :(得分:1)

如果可能,请使用DataFrame.from_dict并将空值替换为fillna

df = pd.DataFrame.from_dict(d, orient='index').fillna(0)

也可以按相同的顺序为empty_df添加reindex到相同的列和索引名称:

df = (pd.DataFrame.from_dict(d, orient='index')
                  .reindex(columns=empty_df.columns, index=df_empty.index)
                  .fillna(0))

print (df)
        spain  portugal  morocco  france  germany  italy   uk  ireland
view_0   -1.0       0.0      0.0     0.0      0.0    0.0  0.0      0.0
view_1    0.0       0.0      0.0     0.0      0.0    0.0  0.0      0.0
view_2    0.0       0.0      1.0    -1.0      0.0    0.0  0.0      0.0
view_3    0.0       0.0      0.0     0.0      0.5    0.5 -0.5     -0.5

答案 1 :(得分:1)

从字典中构造一个数据框并使用pd.DataFrame.update

df_data = pd.DataFrame.from_dict(d, orient='index')

df.update(df_data)

print(df)

        spain  portugal  morocco  france  germany  italy   uk  ireland
view_0   -1.0       0.0      0.0     0.0      0.0    0.0  0.0      0.0
view_1    0.0       0.0      0.0     0.0      0.0    0.0  0.0      0.0
view_2    0.0       0.0      1.0    -1.0      0.0    0.0  0.0      0.0
view_3    0.0       0.0      0.0     0.0      0.5    0.5 -0.5     -0.5