如何对 Pandas Dataframe 的 YAML 进行反规范化？

Question

我正在尝试将 YAML 文件中的数据导入 Pandas DataFrame。举个例子data.yml:

---
 - doc: "Book1"
   reviews:
     - reviewer: "Paul"
       stars: "5"
     - reviewer: "Sam"
       stars: "2"
 - doc: "Book2"
   reviews:
     - reviewer: "John"
       stars: "4"
     - reviewer: "Sam"
       stars: "3"
     - reviewer: "Pete"
       stars: "2"
...

所需的 DataFrame 如下所示：

     doc reviews.reviewer reviews.stars
0  Book1             Paul             5
1  Book1              Sam             2
2  Book2             John             4
3  Book2              Sam             3
4  Book2             Pete             2

我试过将 YAML 数据提供给 Pandas 不同的方式（比如 with open('data.yml') as f: data = pd.DataFrame(yaml.load(f))），但是单元格总是包含嵌套的字典。这个，但它的代码有点多，似乎可能存在更简单的 YAML 解决方案。

是否有内置的或 Pythonic 的方法来对 YAML 进行非规范化，以便以这种方式转换为 Pandas Dataframe？

Answer 1

您应该在 YAML 加载后使用 json_normalize 来展平字典：

pd.io.json.json_normalize(yaml.load(f), 'reviews', 'doc')

  reviewer stars    doc
0     Paul     5  Book1
1      Sam     2  Book1
2     John     4  Book2
3      Sam     3  Book2
4     Pete     2  Book2

Answer 2

现在使用上面的方法会导致 FutureWarning：pandas.io.json.json_normalize 已弃用，请改用 pandas.json_normalize

# lets say the yaml file is test_sample.yml
from pandas import json_normalize
from os import getcwd, path
from yaml import SafeLoader, load

path_to_yaml = path.join(getcwd(), ..., "test_sample.yaml")
with open(path_to_yaml) as yaml_file:
    yaml_contents = load(path_to_file, Loader=SafeLoader)
yaml_df = json_normalize(yaml_contents)

如何对 Pandas Dataframe 的 YAML 进行反规范化？

How to denormalize YAML for Pandas Dataframe?

python

yaml

denormalization

dataframe

pandas