获取数据框中的特定值

Question

我有一个DF这些值是字典：

df:                               
                                      A
    2017-05-31    {'price': '7.25', 'weight': 0.0, 'time': 4.05am}
    2017-06-01    {'price': '7.22', 'weight': 0.0 'time': 4.08am}
    2017-06-02    {'price': '7.24', 'weight': 0.0, 'time': 5.08am}
    2017-06-05    {'price': '7.25', 'weight': 0.0, 'time': 6.07am}
    2017-06-06    {'price': '7.19', 'weight': 0.0, 'time':3.33am}
    2017-06-07    {'weight': 0.0, 'price': 7.12, 'time':1.09am}
    2017-06-09    {'weight': 0.0, 'price': 7.46, 'time':2.08am}

我想获取每行中关键price的值。 所需的输出是

df:                               
                                  A
2017-05-31                       7.25
2017-06-01                       7.22
2017-06-02                       7.24
2017-06-05                       7.25
2017-06-06                       7.19
2017-06-07                       7.12
2017-06-09                       7.46

如果词典要遵循price-weight-time的相同结构，我可以简单地应用如下代码：

format = lambda x: list(x.values())[0]
print(df.applymap(format))

但是不幸的是事实并非如此。

我曾考虑过可能对字典值进行排序，但是我不确定如何在df中执行此操作。

有人可以帮我解决这个问题吗？

Answer 1

使用带lambda的apply作为选择key ：

df['A'] = df['A'].apply(lambda x: x['price'])
print (df)
               A
2017-05-31  7.25
2017-06-01  7.22
2017-06-02  7.24
2017-06-05  7.25
2017-06-06  7.19
2017-06-07  7.12
2017-06-09  7.46.

对于所有值，请使用DataFrame构造函数：

df1 = pd.DataFrame(df['A'].values.tolist(), index=df.index)
print (df1)
           price    time  weight
2017-05-31  7.25  4.05am     0.0
2017-06-01  7.22  4.08am     0.0
2017-06-02  7.24  5.08am     0.0
2017-06-05  7.25  6.07am     0.0
2017-06-06  7.19  3.33am     0.0
2017-06-07  7.12  1.09am     0.0
2017-06-09  7.46  2.08am     0.0

Answer 2

您可以使用apply并传递一个lambda来访问感兴趣的密钥：

df['A'].apply(lambda x: x['price'])

我个人会避免在df中存储非标量值，因为您会失去使用pandas IMO的任何矢量化优势。 如果dict仅具有相同的键值对，则只需扩展dict并将这些键存储为列和值，则可以执行df['price']并执行矢量化算术运算。