如何从pandas DataFrame生成n级分层JSON？

Question

有没有一种有效的方法来创建层次化JSON（深度为n级），其中父值是键而不是变量标签？ 即：

{"2017-12-31":
    {"Junior":
        {"Electronics":
            {"A":
                {"sales": 0.440755
                }
            },
            {"B":
                {"sales": -3.230951
                }
            }
        }, ...etc...
    }, ...etc...
}, ...etc... 

---

1.我的测试DataFrame：

colIndex=pd.MultiIndex.from_product([['New York','Paris'],
                                     ['Electronics','Household'],
                                     ['A','B','C'],
                                     ['Junior','Senior']],
                               names=['City','Department','Team','Job Role'])

rowIndex=pd.date_range('25-12-2017',periods=12,freq='D')

df1=pd.DataFrame(np.random.randn(12, 24), index=rowIndex, columns=colIndex)
df1.index.name='Date'
df2=df1.resample('M').sum()
df3=df2.stack(level=0).groupby('Date').sum()

---

2.我正在进行的转换，因为它似乎是从以下位置构建JSON的最合乎逻辑的结构：

df4=df3.stack(level=[0,1,2]).reset_index() \
    .set_index(['Date','Job Role','Department','Team']) \
    .sort_index()

---

3.我到目前为止的尝试

我遇到了一个非常有用的SO问题 ，该问题使用以下代码通过代码解决了一层嵌套的问题：

j =(df.groupby(['ID','Location','Country','Latitude','Longitude'],as_index=False) \
    .apply(lambda x: x[['timestamp','tide']].to_dict('r'))\
    .reset_index()\
    .rename(columns={0:'Tide-Data'})\
    .to_json(orient='records'))

...但是我找不到找到嵌套.groupby()的方法：

j=(df.groupby('date', as_index=True).apply(
    lambda x: x.groupby('Job Role', as_index=True).apply(
        lambda x: x.groupby('Department', as_index=True).apply(
            lambda x: x.groupby('Team', as_index=True).to_dict())))  \
                .reset_index().rename(columns={0:'sales'}).to_json(orient='records'))

Answer 1

您可以使用itertuples生成嵌套dict ，然后转储到json 。 为此，您需要将日期时间戳更改为string

df4=df3.stack(level=[0,1,2]).reset_index() 
df4['Date'] = df4['Date'].dt.strftime('%Y-%m-%d')
df4 = df4.set_index(['Date','Job Role','Department','Team']) \
    .sort_index()

创建嵌套的字典

def nested_dict():
    return collections.defaultdict(nested_dict)
result = nested_dict()

使用itertuples填充它

for row in df4.itertuples():
    result[row.Index[0]][row.Index[1]][row.Index[2]][row.Index[3]]['sales'] = row._1
    # print(row)

然后使用json模块将其转储。

import json
json.dumps(result)

'{“ 2017-12-31”：{“初级”：{“电子”：{“ A”：{“销售”：-0.3947134370101142}，“ B”：{“销售”：-0.9873530754403204}，“ C” ：{“ sales”：-1.1182598058984508}}，“家用”：{“ A”：{“ sales”：-1.1211850078098677}，“ B”：{“ sales”：2.0330914483907847}，“ C”：{“ sales”： 3.94762379718749}}}，“高级”：{“电子”：{“ A”：{“销售”：1.4528493451404196}，“ B”：{“销售”：-2.3277322345261005}，“ C”：{“销售”：- 2.8040263791743922}}，“家庭”：{“ A”：{“销售”：3.0972591929279663}，“ B”：{“销售”：9.8884565742502392}，“ C”：{“销售”：2.9359830722457576}}}}，“ 2018 -01-31“：{” Junior“：{” Electronics“：{” A“：{” sales“：-1.580300149125217}，” B“：{” sales“：1.414665000013205}，” C“：{” sales“ ：-1.432795129108244}}，“家庭”：{“ A”：{“销售”：2.7783259569115346}，“ B”：{“销售”：2.717700275321333}，“ C”：{“销售”：1.4358377416259644}}}，“上级”：{“电子产品”：{“ A”：{“销售”：2.8981726774941485}，“ B”：{“销售”：12.022897003654117}，“ C”：{“销售”：0.01776855733076088}}，“家庭”： {“ A”：{“ sales”：-3.342163776613092} ，“ B”：{“ sales”：-5.283208386572307}，“ C”：{“ sales”：2.942580121975619}}}}}'

Answer 2

我遇到了这个问题，并对OP设置的复杂性感到困惑。 这是一个最小的示例和解决方案（基于@MaartenFabré提供的答案）。

import collections
import pandas as pd

# build init DF
x = ['a', 'a']
y = ['b', 'c']
z = [['d'], ['e', 'f']]
df = pd.DataFrame(list(zip(x, y, z)), columns=['x', 'y', 'z'])

#    x  y       z
# 0  a  b     [d]
# 1  a  c  [e, f]

设置正则，平面索引，然后使之成为多索引

# set flat index
df = df.set_index(['x', 'y'])

# set up multi index
df = df.reindex(pd.MultiIndex.from_tuples(zip(x, y)))      

#           z
# a b     [d]
#   c  [e, f]

然后初始化一个嵌套字典，然后逐项填写

nested_dict = collections.defaultdict(dict)

for keys, value in df.z.iteritems():
    nested_dict[keys[0]][keys[1]] = value

# defaultdict(dict, {'a': {'b': ['d'], 'c': ['e', 'f']}})

此时，您可以JSON转储它，等等。