Question

我有一个Dataframe，看起来像这样：

    cus_id          cat_counts
0   4462            {'LOUNGE': 2}
1   5482            {'MAJOR APPLIANCES': 2, 'SMALL APPLIANCES': 1}
2   8101            {'BEDDING': 1, 'MAJOR APPLIANCES': 1}
3   3388            {'MAJOR APPLIANCES': 1, 'BEDROOM SUITES': 1}
5   3030            {'ACCESSORIES': 1, 'VISUAL': 2, 'MAJOR APPLIANCES' : 2}
6   8942            {'VISUAL': 1, 'AUDIO': 1, 'BEDDING': 1}
7   5775            {'ACCESSORIES': 2, 'VISUAL': 1}
8   5489            {'ACCESSORIES': 1, 'KITCHENWARE': 1, 'BEDDING' : 1
9   9370            {'ACCESSORIES': 1, 'VISUAL': 2, 'MAJOR APPLIANCES' : 5}
10  5936            {'KITCHENWARE': 1, 'ACCESSORIES': 4, 'VISUAL': 3}
11  3854            {'ACCESSORIES': 1, 'VISUAL': 2}
12  4016            {'LOOSE CARPETING': 1, 'BEDDING': 1}
13  3503            {'HOME OFFICE': 2}

我想将cat_counts列转换为连接到主数据帧的单独列，其中key是列，而value是列中的计数。这是一个示例（某些列的空格已省略）：

    cus_id         LOUNGE | MAJOR APPLIANCES | SMALL APPLIANCES | BEDDING | BEDROOM SUITES | ACCESSORIES
0   4462              2           0                  0               0           0               0
1   5482              0           2                  1               0           0               0
2   8101              0           1                  0               1           0               0  
3   3388              0           1                  0               0           1               0
5   3030              0           2                  0               0           0               1
6   8942              0           0                  0               1           0               0 
7   5775              0           0                  0               0           0               2
8   5489              0           0                  0               1           0               1
9   9370              0           5                  0               0           0               1
10  5936              0           0                  0               0           0               4
11  3854              0           0                  0               0           0               1
12  4016              0           0                  0               1           0               0
13  3503              0           0                  0               0           0               0

我尝试过df['cat_counts'].apply(lambda a: pd.DataFrame.from_dict(a))，但遇到错误 If using all scalar values, you must pass an index。我已经检查了这个问题 Transform a Counter object into a Pandas DataFrame＆ turning a collections counter into dictionary 但他们没有回答我的问题。我不知道这是否有可能。我所知道的是，您可以根据字典创建Dataframe。如果有关于此的 stackoverflow 帖子，请指出正确的方向

Answer 1

如果性能不重要，请将每个字典转换为Series并将缺失的值替换为0：

df['cat_counts'].apply(lambda a: pd.Series(a)).fillna(0)

为提高性能，请将列转换为DataFrame：

pd.DataFrame(df['cat_counts'].tolist()).fillna(0)

全部与DataFrame.pop（用于提取列）和DataFrame.join（用于添加原始列）一起

df1 = df.join(pd.DataFrame(df.pop('cat_counts').tolist()).fillna(0).astype(int))

Answer 2

在熊猫中执行此操作的正确方法是使用json_normalize：

from pandas.io.json import json_normalize
json_normalize(df.cat_counts)

并加入：

pd.concat([df, json_normalize(df.cat_counts)])

将pandas列内的词典转换为数据框

2 个答案: