Question

我已经阅读了一些帖子，但我还没有得到我想要的。我有一个大约 4k 行和几列的数据框，我从 Infoblox（DNS 服务器）导出。其中之一是 dhcp 属性，我想将其扩展为具有分隔值。这是我的 df （我附上了一张来自 excel 的截图）： excel screenshot

其中一列是所有选项的字典，这是一个示例（已清理）：

[
    {"name": "tftp-server-name", "num": 66, "value": "10.70.0.27", "vendor_class": "DHCP"},
    {"name": "bootfile-name", "num": 67, "value": "pxelinux.0", "vendor_class": "DHCP"},
    {"name": "dhcp-lease-time", "num": 51, "use_option": False, "value": "21600", "vendor_class": "DHCP"},
    {"name": "domain-name-servers", "num": 6, "use_option": False, "value": "10.71.73.143,10.71.74.163", "vendor_class": "DHCP"},
    {"name": "domain-name", "num": 15, "use_option": False, "value": "example.com", "vendor_class": "DHCP"},
    {"name": "routers", "num": 3, "use_option": True, "value": "10.70.1.200", "vendor_class": "DHCP"},
]

我想将此列扩展到一些（到同一行），就像这样。使用“名称”作为 df 列和“值”作为行值。这将是目标：

      tftp-server-name         voip-tftp-server                  dhcp-lease-time        domain-name-server        domain-name        routers
0      10.71.69.58              10.71.69.58,10.71.69.59           86400           10.71.73.143,10.71.74.163       example.com      10.70.12.254

为了拥有一个包含所有信息的全局 df，我想我应该创建一个新的 df 以保持索引与主合并，但我无法做到。我试过扩展，追加，爆炸...... 拜托，你能帮我吗？

非常感谢您的解决方案（对两者）。我可以让它工作，这是我的最终文件：我能做到这一点。我添加了完整的解决方案，以防万一有人需要它（也许有一种更pythonic的方法，但它有效）：

def formato(df):

    opciones = df['options']
    df_int = pd.DataFrame()
    for i in opciones:
        df_int = df_int.append(pd.DataFrame(i).set_index("name")[["value"]].T.reset_index(drop=True))
    df_int.index = range(len(df_int.index))
    df_global = pd.merge(df, df_int, left_index=True, right_index=True, how="inner")
    df_global = df.rename(columns={"comment": "Comentario", "end_addr": "IP Fin", "network": "Red",
                    "start_addr": "IP Inicio", "disable": "Deshabilitado"})
    df_global = df_global[["Red", "Comentario", "IP Inicio", "IP Fin", "dhcp-lease-time",
            "domain-name-servers", "domain-name", "routers", "tftp-server-name", "bootfile-name",
            "voip-tftp-server", "wdm-server-ip-address", "ftp-file-server", "vendor-encapsulated-options"]]
    return df_global

Answer 1

这是一种解决方案：

import pandas as pd
data = [{'name': 'tftp-server-name', 'num': 66, 'value': '10.70.0.27', 'vendor_class': 'DHCP'}, {'name': 'bootfile-name', 'num': 67, 'value': 'pxelinux.0', 'vendor_class': 'DHCP'}, {'name': 'dhcp-lease-time', 'num': 51, 'use_option': False, 'value': '21600', 'vendor_class': 'DHCP'}, {'name': 'domain-name-servers', 'num': 6, 'use_option': False, 'value': '10.71.73.143,10.71.74.163', 'vendor_class': 'DHCP'}, {'name': 'domain-name', 'num': 15, 'use_option': False, 'value': 'example.com', 'vendor_class': 'DHCP'}, {'name': 'routers', 'num': 3, 'use_option': True, 'value': '10.70.1.200', 'vendor_class': 'DHCP'}]

df = pd.DataFrame(data).set_index("name")[["value"]].T.reset_index(drop=True)

输出：

name tftp-server-name bootfile-name dhcp-lease-time        domain-name-servers  domain-name      routers
0          10.70.0.27    pxelinux.0           21600  10.71.73.143,10.71.74.163  example.com  10.70.1.200

Answer 2

您可以按如下方式使用 post：

json_normalize

输出如下：

from pandas.io.json import json_normalize
import ast
import pandas as pd


def extract_dict(ld):
    res ={}
    for d in ast.literal_eval(ld):
        res[d['name']] = d['value']
    return res

# load dataframe (I made a dummy, replace it with read from file)
df = pd.DataFrame.from_dict({'temp':['temp'],'option':['''[{'name': 'tftp-server-name', 'num': 66, 'value': '10.70.0.27', 'vendor_class': 'DHCP'}, {'name': 'bootfile-name', 'num': 67, 'value': 'pxelinux.0', 'vendor_class': 'DHCP'}, {'name': 'dhcp-lease-time', 'num': 51, 'use_option': False, 'value': '21600', 'vendor_class': 'DHCP'}, {'name': 'domain-name-servers', 'num': 6, 'use_option': False, 'value': '10.71.73.143,10.71.74.163', 'vendor_class': 'DHCP'}, {'name': 'domain-name', 'num': 15, 'use_option': False, 'value': 'example.com', 'vendor_class': 'DHCP'}, {'name': 'routers', 'num': 3, 'use_option': True, 'value': '10.70.1.200', 'vendor_class': 'DHCP'}]''']})

B = json_normalize(df['option'].apply(extract_dict).tolist())
print(B)

将数据框列扩展到多个

2 个答案: