将字典列表的字典转换为数据框

Question

我有以下字典列表子样本（来自包含数百万项的更大字典）：

bool_dict = {0: [{0: 4680}, {1: 1185}], 
             1: [{0: 172}, {1: 9}], 
             2: [{0: 149}, {1: 1282}], 
             3: [{0: 20}, {1: 127}], 
             4: [{0: 0}, {1: 0}]}

我将其转换为以下形式的数据框：

          0          1
0  {0: 4680}  {1: 1185}
1   {0: 172}     {1: 9}
2   {0: 149}  {1: 1282}
3    {0: 20}   {1: 127}
4     {0: 0}     {1: 0}

通过执行以下操作：

test=pd.DataFrame(bool_dict.values(),columns['0','1'],index=bool_dict.keys()).sort_index()

问题是我只需要数据框中每个单元格的值，而不是键。因此，所需的输出是：

       0          1
0      4680       1185
1       172          9
2       149       1282
3        20        127
4         0          0

我尝试了以下方法：

test['0'] = test['0'].apply(lambda x: x[0])

但后来我发现一个关于我认为是字典的关键错误。

为了确定它确实是一本字典，我尝试了

from ast import literal_eval
test['0']=test['0'].apply(lambda x: literal_eval(str(x)))

然后再试一次

test['0'] = test['0'].apply(lambda x: x[0])

没有成功（我也尝试将密钥设置为“0”）。

更新：为了确保 lambda 是问题所在，这工作得很好：

test['0'].head(): 

0    {0: 4680}
1     {0: 247}
2       {0: 0}
3       {0: 0}
4     {0: 104}

我可以通过 : 进行拆分，然后删除无关的东西，但由于很多原因，我感觉不对。

Answer 1

一种方法是将内部列表转换为字典，然后将其传递给 DataFrame 构造函数：

bool_dict_flattened = {i: {k:v for d in lst for k,v in d.items()} for i, lst in bool_dict.items()}
df = pd.DataFrame.from_dict(bool_dict_flattened, orient='index')

另一种选择是在列上应用 str 访问器，方法是利用每列的列名和键匹配这一事实：

out = pd.DataFrame.from_dict(bool_dict, orient='index').apply(lambda x: x.str[x.name])

输出：

      0     1
0  4680  1185
1   172     9
2   149  1282
3    20   127
4     0     0

Answer 2

您可以使用第一个 lambda 遍历每一行，然后使用第二个 lambda 遍历该行中的每个单元格并读取字典的值：

df = pd.DataFrame(bool_dict).T
df.apply(lambda x: x.apply(lambda y: list(y.values())[0]))
df

      0     1
0  4680  1185
1   172     9
2   149  1282
3    20   127
4     0     0

将字典列表的字典转换为数据框

Converting a dictionary of lists of dictionaries to a dataframe

python

dictionary

literals

dataframe

pandas