![](/img/trans.png)
[英]Convert a list of dictionary containing dictionaries into Pandas dataframe
[英]Convert dataframe into dictionary containing list of dictionaries
我的數據框如圖所示
name key value
john A223 390309
jason B439 230943
peter A5388 572039
john D23902 238939
jason F2390 23930
我想將上面生成的數據幀轉換為嵌套字典,其中包含以下所示格式的字典列表。
{'john': [{'key':'A223', 'value':'390309'}, {'key':'A5388', 'value':'572039'}],
'jason': [{'key':'B439','value':'230943', {'key':'F2390', 'value'2:'23930'}],
'peter': [{'key':'A5388' ,'value':'572039'}]}
可能有人幫助這個。
使用to_dict
dictionary comprehension
:
d = {name:df.loc[df.name==name,['key','value']].to_dict('records') for name in df.name.unique()}
print(d)
{'john': [{'key': 'A223', 'value': 390309}, {'key': 'D23902', 'value': 238939}],
'jason': [{'key': 'B439', 'value': 230943}, {'key': 'F2390', 'value': 23930}],
'peter': [{'key': 'A5388', 'value': 572039}]}
您可以使用groupby , apply , iterrows和Series'tallist ,如下所示:
def f(rows):
return {rows.iloc[0]['name']: [{'key': row['key'], 'value': row['value']} for _, row in rows.iterrows()]}
df.groupby("name").apply(f).tolist()
生成您想要的結果:
[{'jason': [{'key': 'B439', 'value': '230943'}, {'key': 'F2390', 'value': '23930'}]},
{'john': [{'key': 'A223', 'value': '390309'}, {'key': 'D23902', 'value': '238939'}]},
{'peter': [{'key': 'A5388', 'value': '572039'}]}]
說明:
groupby("name")
我們聚合每個name
所有行 apply(f)
將函數f
應用於每個行組 f
迭代遍歷那些行,用iterrows
創建一個字典列表,其中包含[{'key': row['key'], 'value': row['value']} for _, row in rows.iterrows()]
,最后我們只使用rows.iloc[0]['name']
獲取第一行的名稱,以便為此name
創建最終字典。 tolist()
匯總每個name
所有詞典 試試這個,
final_dict={}
def dict_make(row):
m_k= row['name'].values.tolist()[0]
final_dict[m_k]= row.set_index('name').to_dict(orient='records')
df.groupby('name').apply(dict_make)
print final_dict
輸出:
{'peter': [{'value': 572039, 'key': 'A5388'}],
'john': [{'value': 390309, 'key': 'A223'}, {'value': 238939, 'key': 'D23902'}],
'jason': [{'value': 230943, 'key': 'B439'}, {'value': 23930, 'key': 'F2390'}]}
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.