python - 解析 pandas 中的一列字符串化字典

Question

我有这个数据框:

df = pd.DataFrame([
  { "name": "foo", "results": "{'lower_bound': '15000', 'upper_bound': '19999'}"},
  { "name": "bar", "results": "{'lower_bound': '10000', 'upper_bound': '14999'}"}
])

目前看起来像这样:

    name    results
0   foo     {'lower_bound': '15000', 'upper_bound': '19999'}
1   bar     {'lower_bound': '10000', 'upper_bound': '14999'}

我想将 results 列转换为结构化数据，以便我可以筛选 df.lower_bound 小于 13000 的行。

我该怎么做？

Answer 1

如果您不想修改现有的DataFrame，您可以通过将“结果”转换为DataFrame来构建条件，然后进行过滤:

mask = (pd.DataFrame(df['results'].apply(ast.literal_eval).tolist())
          .astype(int)
          .eval('lower_bound < 13000'))
df[mask]

  name                                           results
1  bar  {'lower_bound': '10000', 'upper_bound': '14999'}

<小时/>

另一种选择是通过 concat 将其分配回 DataFrame:

df = pd.concat([
      df, 
      pd.DataFrame(df.pop('results').apply(ast.literal_eval).tolist()).astype(int)
  ], 
  axis=1)
df[df['lower_bound'] < 13000]

  name lower_bound upper_bound
1  bar       10000       14999