使用多维数组从字典创建 pd.DataFrame

Question

我有以下字典：

dictA = {'A': [[1, 2, 3], [1, 2, 3], [1, 2, 3]],
         'B': [[4, 4, 4], [4, 4, 4],],
         'C': [[4, 6, 0]]
        }

我想将它转换为pd.DataFrame() ，期待这个：

id       ColA        ColB        ColC
0         1           4           4
1         2           4           6
2         3           4           0
3         1           4           
4         2           4
5         3           4
6         1
7         2
8         3

我怎样才能做到这一点？ 我想

pd.DataFrame(dictAll.items(), columns=['ColA', 'ColB', 'ColC'])

但这显然行不通！

Answer 1

方法如下：

import pandas as pd
import numpy as np

dictA = {'A': [[1, 2, 3], [1, 2, 3], [1, 2, 3]],
         'B': [[4, 4, 4], [4, 4, 4],],
         'C': [[4, 6, 0]]}

df = pd.DataFrame(dict([(f'Col{k}', pd.Series([a for b in v for a in b])) for k,v in dictA.items()])).replace(np.nan, '')
print(df)

输出：

   ColA ColB ColC
0     1    4    4
1     2    4    6
2     3    4    0
3     1    4     
4     2    4     
5     3    4     
6     1          
7     2          
8     3  

---

现在，让我们一步一步地看一下这个问题。

1. 我们可以尝试的第一件事很简单：

    df = pd.DataFrame(dictA) print(df)

   当然，这会返回此错误：

    ValueError: arrays must all be same length

2. 所以现在我们需要一种能够从具有不同长度数组的dict创建数据帧的方法。 为此，我们可以：

    df = pd.DataFrame(dict([(k, pd.Series(v)) for k, v in dictA.items()])) print(df)

   输出：

    ABC 0 [1, 2, 3] [4, 4, 4] [4, 6, 0] 1 [1, 2, 3] [4, 4, 4] NaN 2 [1, 2, 3] NaN NaN

3. 我们希望数据框是垂直的，因此对于每次迭代，使用列表理解将列表展平：

    df = pd.DataFrame(dict([(k, pd.Series([a for b in v for a in b])) for k, v in dictA.items()])) print(df)

   输出：

    ABC 0 1 4.0 4.0 1 2 4.0 6.0 2 3 4.0 0.0 3 1 4.0 NaN 4 2 4.0 NaN 5 3 4.0 NaN 6 1 NaN NaN 7 2 NaN NaN 8 3 NaN NaN

4. 现在我们想用空格替换所有的NaN 。 为此，我们需要import numpy as np ，然后执行：

    df = pd.DataFrame(dict([(k, pd.Series([a for b in v for a in b])) for k, v in dictA.items()])).replace(np.nan, '') print(df)

   输出：

    ABC 0 1 4 4 1 2 4 6 2 3 4 0 3 1 4 4 2 4 5 3 4 6 1 7 2 8 3

5. 最后使用格式化字符串将字母转换为"Col"字母：

    df = pd.DataFrame(dict([(f'Col{k}', pd.Series([a for b in v for a in b])) for k,v in dictA.items()])).replace(np.nan, '') print(df)

   输出：

    ColA ColB ColC 0 1 4 4 1 2 4 6 2 3 4 0 3 1 4 4 2 4 5 3 4 6 1 7 2 8 3