如何将包含嵌套字典的字典转换为 Python 中的 dataframe？

Question

我最近在 Python 中使用 Oracle 的 AI 语言 API 进行了情绪分析。 我让 API 迭代超过 1300 条推文，并将 API 中的 output 存储在一个列表中，其中列表中的每个元素 ID 推文对应一个推文。 然后我创建了一个字典，其中键是推文 ID，值是来自该推文 ID 的 API 的 output。 我现在有一个庞大的字典，其中字典嵌套在字典中，我不确定如何将其转换为 Pandas 中的 dataframe。

这是我正在使用的字典的前几个条目。

 {1292750633104289792: {
   "aspects": []
 },
 1275918779831238656: {
   "aspects": []
 },
 1293251961031204865: {
   "aspects": [
     {
       "length": 8,
       "offset": 51,
       "scores": {
         "Negative": 0.18023298680782318,
         "Neutral": 0.0,
         "Positive": 0.8197670578956604
       },
       "sentiment": "Positive",
       "text": "building"
     }
   ]
 },
 1293312774563606531: {
   "aspects": []
 },
 1293375754751881217: {
   "aspects": [
     {
       "length": 4,
       "offset": 5,
       "scores": {
         "Negative": 0.9987309575080872,
         "Neutral": 0.0012690634466707706,
         "Positive": 0.0
       },
       "sentiment": "Negative",
       "text": "poll"
     }
   ]
 }}

提前非常感谢。

Answer 1

您可以使用嵌套理解来展平您的结构，然后将结果传递给pd.DataFrame ：

import pandas as pd
data = {1292750633104289792: {'aspects': []}, 1275918779831238656: {'aspects': []}, 1293251961031204865: {'aspects': [{'length': 8, 'offset': 51, 'scores': {'Negative': 0.18023298680782318, 'Neutral': 0.0, 'Positive': 0.8197670578956604}, 'sentiment': 'Positive', 'text': 'building'}]}, 1293312774563606531: {'aspects': []}, 1293375754751881217: {'aspects': [{'length': 4, 'offset': 5, 'scores': {'Negative': 0.9987309575080872, 'Neutral': 0.0012690634466707706, 'Positive': 0.0}, 'sentiment': 'Negative', 'text': 'poll'}]}}
r = [{'tweet_id':a, 
       'length':i['length'],
        'offset':i['offset'],
        **{f'score_{j}':k for j, k in i['scores'].items()},
        'sentiment':i['sentiment'],
        'text':i['text'],
     } 
     for a, b in data.items() for i in b['aspects']]

df = pd.DataFrame(r)

Output：

              tweet_id  length  offset  score_Negative  score_Neutral  score_Positive sentiment      text
0  1293251961031204865       8      51        0.180233       0.000000        0.819767  Positive  building
1  1293375754751881217       4       5        0.998731       0.001269        0.000000  Negative      poll