从 csv 文件解析字典 python

Question

我正在从 csv 文件中读取数据，例如：

import pandas as pd
data_1=pd.read_csv("sample.csv")
data_1.head(10)

它有两列：

ID   detail
1    [{'a': 1, 'b': 1.85, 'c': 'aaaa', 'd': 6}, {'a': 2, 'b': 3.89, 'c': 'bbbb', 'd': 10}]

详细信息列不是 json 但它是一个字典，我想展平字典并希望得到类似这样的结果：

ID  a   b     c     d
1   1   1.85  aaaa  6
1   2   3.89  bbbb  10

我总是在详细信息列中得到 a,b,c,d，并希望将最终结果移动到 sql table。

谁能帮我解决一下。

Answer 1

使用 ast.literal 的字典理解将字符串 repr 转换为字典列表并将其转换为 DataFrame，然后使用 concat 并将 MultiIndex 的第一级转换为ID 列：

import ast

d = {i: pd.DataFrame(ast.literal_eval(d)) for i, d in df[['ID','detail']].to_numpy()}
#for oldier pandas version use .values
#d = {i: pd.DataFrame(ast.literal_eval(d)) for i, d in df[['ID','detail']].values)}
df = pd.concat(d).reset_index(level=1, drop=True).rename_axis('ID').reset_index()
print (df)
   ID  a     b     c   d
0   1  1  1.85  aaaa   6
1   1  2  3.89  bbbb  10

或者对 ID 列使用 DataFrame.assign 的 lsit 理解，只需要更改列的顺序 - 最后一列到第一列：

import ast

L = [pd.DataFrame(ast.literal_eval(d)).assign(ID=i) for i, d in df[['ID','detail']].to_numpy()]
#for oldier pandas versions use .values
#L = [pd.DataFrame(ast.literal_eval(d)).assign(ID=i) for i, d in df[['ID','detail']].values]
df = pd.concat(L, ignore_index=True)
df = df[df.columns[-1:].tolist() + df.columns[:-1].tolist()]
print (df)
   ID  a     b     c   d
0   1  1  1.85  aaaa   6
1   1  2  3.89  bbbb  10

编辑：

对于2个ID更改第二种解决方案：

d = [pd.DataFrame(ast.literal_eval(d)).assign(ID1=i1, ID2=i2) for i1, i2, d in df[['ID1','ID2','detail']].to_numpy()]
df = pd.concat(d)
df = df[df.columns[-2:].tolist() + df.columns[:-2].tolist()]

从 csv 文件解析字典 python

parse a dict from the csv file python

python

parsing

dictionary

flatten

pandas