Question

我知道关于数据字典的嵌套字典存在一些问题，但它们的解决方案对我不起作用。我有一个数据框，包含在一个字典中，该数据框包含在另一个字典中，如下所示：

df1 = pd.DataFrame({'2019-01-01':[38],'2019-01-02':[43]},index = [1,2])
df2 = pd.DataFrame({'2019-01-01':[108],'2019-01-02':[313]},index = [1,2])
da = {}
da['ES']={}
da['ES']['TV']=df1
da['ES']['WEB']=df2

我想获得以下内容：

df_final = pd.DataFrame({'market':['ES','ES','ES','ES'],'device':['TV','TV','WEB','WEB'],
                     'ds':['2019-01-01','2019-01-02','2019-01-01','2019-01-02'],
                     'yhat':[43,38,423,138]})

从另一个SO问题获取代码，我已经尝试过：

market_ids = []
frames = []
for market_id,d in da.items():
  market_ids.append(market_id)
  frames.append(pd.DataFrame.from_dict(da,orient = 'index'))    
df = pd.concat(frames, keys=market_ids)

这给了我一个具有多个索引的数据框，并且设备作为列名。

谢谢

Answer 1

下面的代码运行良好，并提供了所需的输出：

{
    "presets": ["@babel/preset-env"],
    "plugins": [
        ["@babel/transform-runtime"]
    ]
}

输出为：

t1=da['ES']['TV'].melt(var_name='ds', value_name='yhat')
t1['market']='ES'
t1['device']='TV'

t2=da['ES']['WEB'].melt(var_name='ds', value_name='yhat')
t2['market']='ES'
t2['device']='WEB'

m = pd.concat([t1,t2]).reset_index().drop(columns={'index'})

print(m)

这里的主要要点是熔化函数，如果您读过它，那么理解它在做什么并不难。现在，正如我在上面的评论中提到的那样，可以在整个命名词典中迭代完成此操作，但是要执行此操作，我需要复制实际数据的形式。我打算做的是将第一个t1用作初始数据帧，然后继续对其隐瞒其他内容，这确实很容易。但我不知道您的实际价值如何。但是我敢肯定，您可以从上面自己弄清楚如何将其置于循环中。

我正在谈论的那个循环事情的伪代码是这样的：

           ds  yhat market device
0  2019-01-01    38     ES     TV
1  2019-01-02    43     ES     TV
2  2019-01-01   108     ES    WEB
3  2019-01-02   313     ES    WEB

带有数据框的嵌套字典到熊猫中的数据框

1 个答案: