转换 JSON 数据框 Python 中的数据

Question

我是编程语言的初学者，非常感谢您的帮助和支持。

这里是DataFrame，一列的数据是JSON类型？数据。

ID, Name, Information
1234, xxxx, '{'age': 25, 'gender': 'male'}'
2234, yyyy, '{'age': 34, 'gender': 'female'}'
3234, zzzz, '{'age': 55, 'gender': 'male'}'

我想按如下方式隐藏这个 DataFrame。

ID, Name, age, gender
1234, xxxx, 25, male
2234, yyyy, 34, female
3234, zzzz, 55, male

我发现ast.literal_eval()可以将str转为dict类型，但是不知道这个问题的代码怎么写

能否提供一些可以解决此问题的代码示例？

Answer 1

1. 如果第三列是 JSON 字符串，' 无效，应该是 "，所以我们需要修正这个问题。
2. 如果第三列是pythondict的字符串表示，可以用eval转换

用于拆分类型为 dict 的第三列并合并到原始 DataFrame 中的代码示例：

data = [
  [1234, 'xxxx', "{'age': 25, 'gender': 'male'}"],
  [2234, 'yyyy', "{'age': 34, 'gender': 'female'}"],
  [3234, 'zzzz', "{'age': 55, 'gender': 'male'}"],
]

df = pd.DataFrame().from_dict(data)

df[2] = df[2].apply(lambda x: json.loads(x.replace("'", '"'))) # fix the data and convert to dict
merged = pd.concat([df[[0, 1]], df[2].apply(pd.Series)], axis=1)

Answer 2

给定 test.csv

ID,Name,Information
1234,xxxx,"{'age': 25, 'gender': 'male'}"
2234,yyyy,"{'age': 34, 'gender': 'female'}"
3234,zzzz,"{'age': 55, 'gender': 'male'}"

• 用 pd.read_csv and use the converters parameter with ast.literal_eval 读取文件，这会将 Information 列中的数据从 str 类型转换为 dict 类型。
• 使用 pd.json_normalize 解压 dict 键作为列 headers 和行中的值
• .join 具有 df
的规范化列
• .drop Information 列

import pandas as pd
from ast import literal_eval

df = pd.read_csv('test.csv', converters={'Information': literal_eval})

df = df.join(pd.json_normalize(df.Information))

df.drop(columns=['Information'], inplace=True)

# display(df)
     ID  Name  age  gender
0  1234  xxxx   25    male
1  2234  yyyy   34  female
2  3234  zzzz   55    male

如果数据不是来自 csv 文件

import pandas as pd
from ast import literal_eval

data = {'ID': [1234, 2234, 3234],
        'Name': ['xxxx', 'yyyy', 'zzzz'],
        'Information': ["{'age': 25, 'gender': 'male'}", "{'age': 34, 'gender': 'female'}", "{'age': 55, 'gender': 'male'}"]}

df = pd.DataFrame(data)

# apply literal_eval to Information
df.Information = df.Information.apply(literal_eval)

# normalize the Information column and join to df
df = df.join(pd.json_normalize(df.Information))

# drop the Information column
df.drop(columns=['Information'], inplace=True)