如何在python中展平数据numpy.ndarray

Question

我有一个 numpy.ndarray 数据，如下所示，我想将其展平，以便我可以对其进行操作。 请在下面找到我的示例数据：

sample_data=[list([{'region': 'urn:li:region:9194', 'followerCounts': {'organicFollowerCount': 157, 'paidFollowerCount': 0}}, {'region': 'urn:li:region:7127', 'followerCounts': {'organicFollowerCount': 17, 'paidFollowerCount': 0}}])]

我曾尝试使用以下代码，但还没有运气：

sample.flatter()

所需的输出如下：

region                 organicFollowerCount   paidFollowerCount

urn:li:region:9194    157                          0
urn:li:region:7127    17                           0

任何人都可以帮我实现这一目标吗？

Answer 1

这是一种使用pd.json_normalize的方法：

import pandas as pd

# note that `sample data` has been modified into a list of dictionaries
sample_data = [
    {'region': 'urn:li:region:9194', 
     'followerCounts': {'organicFollowerCount': 157, 'paidFollowerCount': 0}}, 
    {'region': 'urn:li:region:7127', 
     'followerCounts': {'organicFollowerCount': 17, 'paidFollowerCount': 0}}
]

现在，将列表中的每个项目转换为数据框：

dfs = list()

# convert one dict at a time into a data frame, using json_normalize()
for sd in sample_data:
    t = pd.json_normalize(sd)
    dfs.append(t)

# convert list of dataframes into a single data frame, 
#   and change column labels
t = pd.concat(dfs).rename(columns={
    'followerCounts.organicFollowerCount': 'organicFollowerCount',
    'followerCounts.paidFollowerCount': 'paidFollowerCount'
}).set_index('region')

print(t)


                    organicFollowerCount  paidFollowerCount
region                                                     
urn:li:region:9194                   157                  0
urn:li:region:7127                    17                  0

正如@thehumaneraser 指出的那样，这种格式并不理想，但我们不能总是影响收到的数据的格式。

Answer 2

您将无法使用 Numpy 的 flatten 方法以您想要的方式扁平化这些数据。 该方法仅采用多维 ndarray 并将其展平为一维。 你可以在这里阅读文档。

其他一些事情。 首先，您上面的示例数据不是 ndarray，它只是一个 python 列表。 实际上，由于您在方括号内调用list()因此它是一个嵌套的字典列表。 这确实不是存储这些信息的好方法，并且基于这种复杂的格式，您几乎没有选择可以很好地将其“展平”到您想要的表格中。

如果您有很多这样的行，我会执行以下操作：

headers = ["region", "organicFollowerCount", "paidFollowerCount"]
data = [headers]
for row in sample_data[0]: # Subindexing here because it is unwisely a nested list
    formatted_row = []
    formatted_row.append(row["region"])
    formatted_row.append(row["followerCounts"]["organicFollowerCount"])
    formatted_row.append(row["followerCounts"]["paidFollowerCount"]
    data.append(formatted_row)
data = np.array(data)

这将为您提供数据的 ndarray，因为您在这里拥有它，但这仍然是一个丑陋的解决方案。 实际上，这是一种非常不切实际的数据呈现方式，您应该放弃它以获得更好的方式。

最后一件事：不要使用骆驼壳。 这是某些语言（如 Java）的标准做法，但对于 Python 则不是。 而不是organicFollowerCount使用organic_follower_count等等。