Konvertiere Python dict in ein DataFrame

Question

Ich habe ein Python-Dictionary:

{u'2012-07-01': 391,
 u'2012-07-02': 392,
 u'2012-07-03': 392,
 u'2012-07-04': 392,
 u'2012-07-05': 392,
 u'2012-07-06': 392}

Ich möchte dies in ein Pandas-Dataframe umwandeln, indem ich die Daten und ihre entsprechenden Werte als zwei separate Spalten habe; das erwartete Ergebnis sieht wie folgt aus:

     Date         DateValue
0    2012-07-01    391
1    2012-07-02    392
2    2012-07-03    392
.    2012-07-04    392
.    ...           ...

Gibt es einen direkten Weg, dies zu tun?

Answer 1

d = {'Datum': list(yourDict.keys()),'Werte': list(yourDict.values())}
df = pandas.DataFrame(data=d)

Wenn Sie yourDict.keys() nicht innerhalb von list() einschließen, landen alle Ihre Schlüssel und Werte in jeder Zeile jeder Spalte. So:

Datum \ 0 (2012-06-08, 2012-06-09, 2012-06-10, 2012-06-1... 1 (2012-06-08, 2012-06-09, 2012-06-10, 2012-06-1... 2 (2012-06-08, 2012-06-09, 2012-06-10, 2012-06-1... 3 (2012-06-08, 2012-06-09, 2012-06-10, 2012-06-1... 4 (2012-06-08, 2012-06-09, 2012-06-10, 2012-06-1...

Aber durch Hinzufügen von list() sieht das Ergebnis so aus:

Datum Werte 0 2012-06-08 388 1 2012-06-09 388 2 2012-06-10 388 3 2012-06-11 389 4 2012-06-12 389 ...

Answer 2

%timeit Ergebnis für ein gemeinsames Wörterbuch und pd.DataFrame.from_dict() ist der klare Gewinner.

%timeit cols_df = pd.DataFrame.from_dict(clu_meta,orient='index',columns=['Columns_fromUser'])
214 µs ± 9.38 µs pro Schleife (Mittelwert ± Standardabweichung von 7 Durchläufen, 1000 Schleifen pro Durchlauf)

%timeit pd.DataFrame([clu_meta])
943 µs ± 10.6 µs pro Schleife (Mittelwert ± Standardabweichung von 7 Durchläufen, 1000 Schleifen pro Durchlauf)

%timeit pd.DataFrame(clu_meta.items(), columns=['Default_colNames', 'Columns_fromUser'])
285 µs ± 7.91 µs pro Schleife (Mittelwert ± Standardabweichung von 7 Durchläufen, 1000 Schleifen pro Durchlauf)

Answer 3

Ich bin mehrmals auf dieses Problem gestoßen und habe ein Beispielwörterbuch erstellt, das ich aus einer Funktion get_max_Path() erstellt habe. Diese Funktion gibt das folgende Wörterbuch zurück:

{2: 0,3097502930247044, 3: 0,4413177909384636, 4: 0,5197224051562838, 5: 0,5717654946470984, 6: 0,6063959031223476, 7: 0,6365209824708223, 8: 0,655918861281035, 9: 0,680844386645206}

Um dies in einen Datenrahmen umzuwandeln, habe ich Folgendes ausgeführt:

df = pd.DataFrame.from_dict(get_max_path(2), orient = 'index').reset_index()

Liefert einen einfachen Datenrahmen mit zwei Spalten und einem separaten Index zurück:

index 0 0 2 0.309750 1 3 0.441318

Nur die Spalten umbenennen mit f.rename(columns={'index': 'Column1', 0: 'Column2'}, inplace=True)

Answer 4

Wenn die Schlüssel als separate Spalte gedacht sind, dann erledigt die Konstruktion einer Serie und später das Zurücksetzen des Index und das Umbenennen der Spalten den Job.

d = {'2012-06-08': 388, '2012-06-09': 388, '2012-06-10': 388, '2012-06-11': 389}

df = pd.Series(d).rename_axis('Datum').reset_index(name='Wert')
df = pd.Series(d).reset_index().set_axis(['Datum', 'Wert'], axis=1)

         Datum  Wert
0  2012-06-08   388
1  2012-06-09   388
2  2012-06-10   388
3  2012-06-11   389

Wenn die Schlüssel als Index gedacht sind, dann erledigt die Konstruktion einer Serie und später die Erweiterung zu einem DataFrame den Job.

df = pd.Series(d).to_frame('Wert')

            Wert
2012-06-08   388
2012-06-09   388
2012-06-10   388
2012-06-11   389

---

Wenn das Dictionary tief verschachtelt ist (ähnlich einem JSON-Objekt), dann kannst du auch json_normalize() verwenden, um es zu flattening.

d = {'id': 0, 'Data': [{'x': {'a': 10, 'b': 2}}, {'x': {'a': 20, 'b': 1}}]}
df = pd.json_normalize(d, 'Data', 'id')

   x.a  x.b id
0   10    2  0
1   20    1  0