當字典中有空值時，將字符串評估為字典

Question

我有一個看起來像這樣的數據框（Thing_2被評估為字符串）：

ID           Thing           Thing_2
1             abc            [{"object_1": "a", "object_2": null}]
2             def            None

我希望它看起來像這樣：

ID           Thing           Thing_2
1             abc            a
2             def            None

為此，我執行了以下步驟：

def change_to_dict(row):
     t2 = row['Thing_2']
     if pd.notna(row['Thing_2']):
          t2 = t2.strip('[]') 
          t2 = ast.literal_eval(t2)
          return t2.get[0]

我不斷在不為null的索引處收到value_error：格式錯誤的節點。 我認為這是因為字典中的第二個值是空值。

Answer 1

嘗試：

import json

def change_to_dict(row):
    t2 = row['Thing_2']
    if pd.notna(t2):
        t2_content = json.loads(t2)
        return ','.join(filter(bool, t2_content[0].values()))

Answer 2

據我了解，我不知道這是否適合您。

數據框：

>>> df
   ID Thing                                Thing_2
0   1   abc  [{"object_1": "a", "object_2": null}]
1   2   def                                   None

輸出：

您可以使用re模塊來實現這一點，但必須定義需要從列中提取的字符串/字符。

>>> search_list = ['a']
>>> import re

>>> df['Thing_2'] = df.Thing_2.str.extract('({})'.format('|'.join(search_list)), flags=re.IGNORECASE, expand=False).str.lower().fillna('None')
>>> df
   ID Thing Thing_2
0   1   abc       a
1   2   def    None

如果您要針對特定​​的列（例如）搜索一些字符串/單詞，這很有a 。

Answer 3

這應該工作。

import yaml
def change_to_dict(row):
  if pd.notna(row):
     t2 = row
     t2 = t2.strip('[]')
     t2 = yaml.load(t2)

     return list(t2.values())[0]

df['Thing_2'].apply(lambda x: change_to_dict(x))