存儲複雜的字典

這一個問題，我以前one.it的前 store dictionary in pandas dataframe存儲複雜的字典

的一個孩子的母親字典我有一本字典

dictionary_example={'New York':{1234:{'choice':0,'city':'New York','choice_set':{0:{'A':100,'B':200,'C':300},1:{'A':200,'B':300,'C':300},2:{'A':500,'B':300,'C':300}}}, 
    234:{'choice':1,'city':'New York','choice_set':{0:{'A':100,'B':400},1:{'A':100,'B':300,'C':1000}}}, 
    1876:{'choice':2,'city':'New York','choice_set':{0:{'A': 100,'B':400,'C':300},1:{'A':100,'B':300,'C':1000},2:{'A':600,'B':200,'C':100}} 
    }}, 
    'London':{1534:{'choice':0,'city':'London','choice_set':{0:{'A':100,'B':400,'C':300},1:{'A':200,'B':300,'C':300},2:{'A':500,'B':300,'C':300}}}, 
    2134:{'choice':1,'city':'London','choice_set':{0:{'A':100,'B':600},1:{'A':170,'B':300,'C':1000}}}, 
    1776:{'choice':2,'city':'London','choice_set':{0:{'A':100,'B':400,'C':500},1:{'A':100,'B':300},2:{'A':600,'B':200,'C':100}}}}, 

    'Paris':{1534:{'choice':0,'city':'Paris','choice_set':{0:{'A':100,'B':400,'C':300},1:{'A':200,'B':300,'C':300},2:{'A':500,'B':300,'C':300}}}, 
    2134:{'choice':1,'city':'Paris','choice_set':{0:{'A':100,'B':600},1:{'A':170,'B':300,'C':1000}}}, 
    1776:{'choice':1,'city':'Paris','choice_set':{0:{'A': 100,'B':400,'C':500},1:{'A':100,'B':300}}} 
    }}

我希望它成爲一個熊貓數據（這裏面的一些具體數值可能不完全準確）

id choice A_0 B_0 C_0 A_1 B_1 C_1 A_2 B_2 C_2 New York London Paris 
1234 0  100 200 300 200 300 300 500 300 300 1  0  0 
234 1  100 400 - 100 300 1000 - - - 1  0  0 
1876 2  100 400 300 100 300 1000 600 200 100 1  0  0 
1534 0  100 200 300 200 300 300 500 300 300 0  1  0 
2134 1  100 400 - 100 300 1000 - - - 0  1  0 
2006 2  100 400 300 100 300 1000 600 200 100 0  1  0 
1264 0  100 200 300 200 300 300 500 300 300 0  0  1 
1454 1  100 400 - 100 300 1000 - - - 0  0  1 
1776 1  100 400 300 100 300  - - - - 0  0  1

在老問題中，好人爲子字典提供了一種方法：

df = pd.read_json(json.dumps(dictionary_example)).T 


def to_s(r): 
    return pd.read_json(json.dumps(r)).unstack() 

flattened_choice_set = df["choice_set"].apply(to_s) 

flattened_choice_set.columns = ['_'.join((str(col[0]), col[1])) for col in flattened_choice_set.columns] 

result = pd.merge(df, flattened_choice_set, 
     left_index=True, right_index=True).drop("choice_set", axis=1)

任何方式來做大字典？

一切順利，凱文

來源

2016-09-13 Z Xie

示例字典的關鍵字是['Paris'，'London'，234，'New York'，1876]，您是否混淆了括號或是這部分挑戰的一部分？ ;） –

應該是紐約和巴黎，我會檢查一下。 –

現在應該還好吧 –

之前提供的解決方案，爲你報價，是不是一個非常整潔的一個。這一個更具可讀性，爲您當前的問題提供解決方案。如果可能的話，你應該重新考慮你的數據結構，但...

df = pd.DataFrame() 
question_ids = [0,1,2]

在選擇集列

for _, city_value in dictionary_example.iteritems(): 
    city_df = pd.DataFrame.from_dict(city_value).T 
    city_df = city_df.join(pd.DataFrame(city_df["choice_set"].to_dict()).T) 
    df = df.append(city_df)

加入怪異的列名創建一個具有一行每到一個城市，選擇組合數據幀，用字典從選擇設置爲您的DF

for i in question_ids: 
    choice_df = pd.DataFrame(df[i].to_dict()).T 
    choice_df.columns = map(lambda x: "{}_{}".format(x,i), choice_df.columns) 
    df = df.join(choice_df)

解決城市列

df = pd.get_dummies(df, prefix="", prefix_sep="", columns=['city']) 
df.drop(question_ids + ['choice_set'], axis=1, inplace=True) 
# Optional to remove NaN from questions: 
# df = df.fillna(0) 
df

來源

2016-09-13 13:28:25

乾杯！你救了我。 –

存儲複雜的字典

回答

相關問題