python - 从 csv 文件 python 解析字典

Question

我正在从 csv 文件中读取数据，例如:

import pandas as pd
data_1=pd.read_csv("sample.csv")
data_1.head(10)

它有两列:

ID   detail
1    [{'a': 1, 'b': 1.85, 'c': 'aaaa', 'd': 6}, {'a': 2, 'b': 3.89, 'c': 'bbbb', 'd': 10}]

详细信息列不是 json，而是字典，我想展平字典并希望得到如下结果:

ID  a   b     c     d
1   1   1.85  aaaa  6
1   2   3.89  bbbb  10

我总是在detail列中得到a,b,c,d，想把最终的结果移动到一个sql表中。

谁能帮我解决一下。

Answer 1

使用ast.literal 的字典理解将字符串 repr 转换为字典列表并将其转换为 DataFrame，然后使用 concat并将第一级 MultiIndex 转换为 ID 列:

import ast

d = {i: pd.DataFrame(ast.literal_eval(d)) for i, d in df[['ID','detail']].to_numpy()}
#for oldier pandas version use .values
#d = {i: pd.DataFrame(ast.literal_eval(d)) for i, d in df[['ID','detail']].values)}
df = pd.concat(d).reset_index(level=1, drop=True).rename_axis('ID').reset_index()
print (df)
   ID  a     b     c   d
0   1  1  1.85  aaaa   6
1   1  2  3.89  bbbb  10

或者使用 lsit 理解 DataFrame.assign对于 ID 列，只需更改列的顺序 - 最后一列到第一列:

import ast

L = [pd.DataFrame(ast.literal_eval(d)).assign(ID=i) for i, d in df[['ID','detail']].to_numpy()]
#for oldier pandas versions use .values
#L = [pd.DataFrame(ast.literal_eval(d)).assign(ID=i) for i, d in df[['ID','detail']].values]
df = pd.concat(L, ignore_index=True)
df = df[df.columns[-1:].tolist() + df.columns[:-1].tolist()]
print (df)
   ID  a     b     c   d
0   1  1  1.85  aaaa   6
1   1  2  3.89  bbbb  10

编辑:

对于 2 个 ID，更改第二种解决方案:

d = [pd.DataFrame(ast.literal_eval(d)).assign(ID1=i1, ID2=i2) for i1, i2, d in df[['ID1','ID2','detail']].to_numpy()]
df = pd.concat(d)
df = df[df.columns[-2:].tolist() + df.columns[:-2].tolist()]