Подтвердить что ты не робот

Разделение словаря/списка внутри столбца Pandas в отдельных столбцах

У меня есть данные, сохраненные в базе данных postgreSQL. Я запрашиваю эти данные с помощью Python2.7 и превращаю его в Pandas DataFrame. Однако в последнем столбце этого блока данных есть словарь (или список?) Значений внутри него. DataFrame выглядит следующим образом:

[1] df
Station ID     Pollutants
8809           {"a": "46", "b": "3", "c": "12"}
8810           {"a": "36", "b": "5", "c": "8"}
8811           {"b": "2", "c": "7"}
8812           {"c": "11"}
8813           {"a": "82", "c": "15"}

Мне нужно разбить этот столбец на отдельные столбцы, чтобы DataFrame выглядел так:

[2] df2
Station ID     a      b       c
8809           46     3       12
8810           36     5       8
8811           NaN    2       7
8812           NaN    NaN     11
8813           82     NaN     15

Основная проблема, с которой я столкнулась, состоит в том, что списки не имеют одинаковой длины. Но все списки содержат только те же 3 значения: a, b и c. И они всегда появляются в одном порядке (первый, второй, третий).

Следующий код ИСПОЛЬЗУЕТСЯ для работы и возврата именно того, что я хотел (df2).

[3] df 
[4] objs = [df, pandas.DataFrame(df['Pollutant Levels'].tolist()).iloc[:, :3]]
[5] df2 = pandas.concat(objs, axis=1).drop('Pollutant Levels', axis=1)
[6] print(df2)

Я запускал этот код только на прошлой неделе, и он работал нормально. Но теперь мой код сломан, и я получаю эту ошибку из строки [4]: ​​

IndexError: out-of-bounds on slice (end)

Я не внес изменений в код, но теперь получаю ошибку. Я чувствую, что это связано с тем, что мой метод не является надежным или правильным.

Любые предложения или рекомендации о том, как разделить этот столбец списков на отдельные столбцы, будут оценены по достоинству!

EDIT: Я думаю, что методы .tolist() и .apply не работают над моим кодом, потому что это одна строка в Юникоде, т.е.:

#My data format 
u{'a': '1', 'b': '2', 'c': '3'}

#and not
{u'a': '1', u'b': '2', u'c': '3'}

Данные импортируются из базы данных postgreSQL в этом формате. Любая помощь или идеи с этой проблемой? есть ли способ конвертировать Юникод?

4b9b3361

ОТВЕТЫ

Ответ 1

Чтобы преобразовать строку в фактический dict, вы можете сделать df['Pollutant Levels'].map(eval). Впоследствии приведенное ниже решение может быть использовано для преобразования dict в разные столбцы.

Используя небольшой пример, вы можете использовать .apply(pd.Series):

In [2]: df = pd.DataFrame({'a':[1,2,3], 'b':[{'c':1}, {'d':3}, {'c':5, 'd':6}]})

In [3]: df
Out[3]:
   a                   b
0  1           {u'c': 1}
1  2           {u'd': 3}
2  3  {u'c': 5, u'd': 6}

In [4]: df['b'].apply(pd.Series)
Out[4]:
     c    d
0  1.0  NaN
1  NaN  3.0
2  5.0  6.0

Чтобы объединить его с остальной частью фрейма данных, вы можете concat другие столбцы с приведенным выше результатом:

In [7]: pd.concat([df.drop(['b'], axis=1), df['b'].apply(pd.Series)], axis=1)
Out[7]:
   a    c    d
0  1  1.0  NaN
1  2  NaN  3.0
2  3  5.0  6.0

Используя ваш код, это также работает, если я не укажу часть iloc:

In [15]: pd.concat([df.drop('b', axis=1), pd.DataFrame(df['b'].tolist())], axis=1)
Out[15]:
   a    c    d
0  1  1.0  NaN
1  2  NaN  3.0
2  3  5.0  6.0

Ответ 2

Попробуйте следующее: Данные, возвращаемые SQL, должны быть преобразованы в Dict. или может быть "Pollutant Levels" теперь Pollutants'

   StationID                   Pollutants
0       8809  {"a":"46","b":"3","c":"12"}
1       8810   {"a":"36","b":"5","c":"8"}
2       8811            {"b":"2","c":"7"}
3       8812                   {"c":"11"}
4       8813          {"a":"82","c":"15"}


df2["Pollutants"] = df2["Pollutants"].apply(lambda x : dict(eval(x)) )
df3 = df2["Pollutants"].apply(pd.Series )

    a    b   c
0   46    3  12
1   36    5   8
2  NaN    2   7
3  NaN  NaN  11
4   82  NaN  15


result = pd.concat([df, df3], axis=1).drop('Pollutants', axis=1)
result

   StationID    a    b   c
0       8809   46    3  12
1       8810   36    5   8
2       8811  NaN    2   7
3       8812  NaN  NaN  11
4       8813   82  NaN  15

Ответ 3

Я знаю, что вопрос довольно старый, но я попал сюда в поисках ответов. На самом деле есть лучший (и более быстрый) способ сделать это с помощью json_normalize:

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

df2 = json_normalize(df['Pollutant Levels'])

Это позволяет избежать дорогостоящих функций применения...

Ответ 4

Ответ Мерлина лучше и супер прост, но нам не нужна лямбда-функция. Оценка словаря может быть безопасно проигнорирована одним из следующих двух способов, как показано ниже:

Способ 1: два шага

# step 1: convert the 'Pollutants' column to Pandas dataframe series
df_pol_ps = data_df['Pollutants'].apply(pd.Series)

df_pol_ps:
    a   b   c
0   46  3   12
1   36  5   8
2   NaN 2   7
3   NaN NaN 11
4   82  NaN 15

# step 2: concat columns 'a, b, c' and drop/remove the 'Pollutants' 
df_final = pd.concat([df, df_pol_ps], axis = 1).drop('Pollutants', axis = 1)

df_final:
    StationID   a   b   c
0   8809    46  3   12
1   8810    36  5   8
2   8811    NaN 2   7
3   8812    NaN NaN 11
4   8813    82  NaN 15

Способ 2: вышеупомянутые два шага могут быть объединены за один раз:

df_final = pd.concat([df, df['Pollutants'].apply(pd.Series)], axis = 1).drop('Pollutants', axis = 1)

df_final:
    StationID   a   b   c
0   8809    46  3   12
1   8810    36  5   8
2   8811    NaN 2   7
3   8812    NaN NaN 11
4   8813    82  NaN 15

Ответ 5

Вы можете использовать join с pop + tolist. Производительность сопоставима с concat с drop + tolist, но некоторые могут найти этот синтаксический фильтр:

res = df.join(pd.DataFrame(df.pop('b').tolist()))

Бенчмаркинг другими способами:

df = pd.DataFrame({'a':[1,2,3], 'b':[{'c':1}, {'d':3}, {'c':5, 'd':6}]})

def joris1(df):
    return pd.concat([df.drop('b', axis=1), df['b'].apply(pd.Series)], axis=1)

def joris2(df):
    return pd.concat([df.drop('b', axis=1), pd.DataFrame(df['b'].tolist())], axis=1)

def jpp(df):
    return df.join(pd.DataFrame(df.pop('b').tolist()))

df = pd.concat([df]*1000, ignore_index=True)

%timeit joris1(df.copy())  # 1.33 s per loop
%timeit joris2(df.copy())  # 7.42 ms per loop
%timeit jpp(df.copy())     # 7.68 ms per loop

Ответ 6

Я настоятельно рекомендую метод извлечения столбца "Загрязнители":

df_pollutants = pd.DataFrame(df['Pollutants'].values.tolist(), index=df.index)

это намного быстрее чем

df_pollutants = df['Pollutants'].apply(pd.Series)

когда размер df гигантский.

Ответ 7

Одно из следующих решений:

>> df = pd.concat([df['Station ID'], df['Pollutants'].apply(pd.Series)], axis=1)
>> print(df)
   Station ID    a    b   c
0        8809   46    3  12
1        8810   36    5   8
2        8811  NaN    2   7
3        8812  NaN  NaN  11
4        8813   82  NaN  15

Ответ 8

в одной строке:

df = pd.concat([df['a'], df.b.apply(pd.Series)], axis=1)`