以理智的方式将字典列表转换为Dataframe

Question

zendesk api 将字段作为字典列表返回，但每个列表都是一条记录。 我想知道是否有更好的方法将其全部转换为数据框。 如果它是字典字典，那么json_normalize会毫无问题地处理它。

警告：并非所有记录都具有相同的字段 ID

样本数据：

data = [{
  "ticket_id": 4,
  "customer_id": 8,
  "created_at": "2022-05-01",
  "custom_fields": [
    {
      "id": 15,
      "value": "website"
    },
    {
      "id": 16,
      "value": "broken"
    },
    {
      "id": 23,
      "value": None
    },
  ],
  'group_id': 42
}]

运行任何形式的 Dataframe、 from_records 、 from_json或json_normalize提供我想要的大部分内容，但列表在一列中：

t_df = pd.json_normalize(data)
t_df

输出：

	票号	客户ID	created_at	自定义字段	group_id
0	4	8	2022-05-01	[{'id': 15, 'value': '网站'}, {'id': 16, 'v...	42

我目前的，可能是不明智的解决方案是：

t_df = pd.DataFrame(sample_df.at[0, 'custom_fields']).T.reset_index(drop=True)
t_df.rename(columns=t_df.iloc[0], inplace=True)
t_df.drop(0, inplace=True)
t_df.reset_index(drop=True, inplace=True)
pd.merge(left=sample_df, left_index=True,
         right=t_df, right_index=True).drop(columns='custom_fields')

这会产生一个正确的记录，我可以将其附加到主数据框：

	票号	客户ID	created_at	group_id	15	16	23
0	4	8	2022-05-01	42	网站	破碎的	没有任何

我担心我需要对约 25,000 条记录执行此操作，这似乎既缓慢又脆弱（容易损坏）。

Answer 1

您应该先处理数据/字典，然后再用它构造一个 DataFrame。 它将使您的生活更轻松，并且比尝试使用pandas操作数据（即在创建 DataFrame 之后）更快。

import pandas as pd

data = [{
  "ticket_id": 4,
  "customer_id": 8,
  "created_at": "2022-05-01",
  "custom_fields": [
    {
      "id": 15,
      "value": "website"
    },
    {
      "id": 16,
      "value": "broken"
    },
    {
      "id": 23,
      "value": None
    },
  ],
  'group_id': 42
}]

custom_fields = data[0].pop('custom_fields')
data[0].update({rec['id']: rec['value'] for rec in custom_fields})

t_df = pd.DataFrame(data)

输出：

>>> t_df 

   ticket_id  customer_id  created_at  group_id       15      16    23
0          4            8  2022-05-01        42  website  broken  None

Answer 2

看起来熊猫不会自动确定哪些字段是“元数据”，哪些是“记录”-->如果您的数据是固定的，我建议对以下内容进行硬编码：

>>> t_df = pd.json_normalize(
...     data,
...     meta=["ticket_id", "customer_id", "created_at", "group_id"],
...     record_path=["custom_fields"]
... )

   id    value ticket_id customer_id  created_at group_id
0  15  website         4           8  2022-05-01       42
1  16   broken         4           8  2022-05-01       42
2  23     None         4           8  2022-05-01       42

文档： https ://pandas.pydata.org/docs/reference/api/pandas.json_normalize.html

Answer 3

import pandas as pd
data = [{
  "ticket_id": 4,
  "customer_id": 8,
  "created_at": "2022-05-01",
  "custom_fields": [
    {
      "id": 15,
      "value": "website"
    },
    {
      "id": 16,
      "value": "broken"
    },
    {
      "id": 23,
      "value": None
    },
  ],
  'group_id': 42
}]
df = pd.DataFrame(data)
for index in df.index:
    for i in df.loc[index,'custom_fields']:
        df.loc[index,i['id']] = i['value']
df.drop(columns = 'custom_fields',inplace = True)
df