如何將帶有字典的 dataframe 列轉換為行和列？

Question

我有一個 pandas dataframe 格式：

姓名	噸
第一的	[{col1：'1'，col2：'2'}，{col1：'6'，col2：'7'}，{col1：'9'，col2：'2'}]
第二	[{col1：'88'，col2：'277'}，{col1：'889'，col2：'290'}]

我想把它轉換成這個 dataframe：

姓名	col1	col2
第一的	'1'	'2'
第一的	'6'	'7'
第一的	'9'	'2'
第二	'88'	'277'
第二	'889'	'290'

我該怎么做？ 謝謝！

Answer 1

您可以先分解explode ，然后通過應用Series將字典轉換為列。

import pandas as pd

data = {'name': ['First', 'Second'],
        'T': [[{'col1': '1', 'col2': '2'}, {'col1': '6', 'col2': '7'}, {'col1': '9', 'col2': '2'}],
              [{'col1': '88', 'col2': '277'}, {'col1': '889', 'col2': '290'}]]}
df = pd.DataFrame.from_dict(data)

df1 = df.explode('T')
df1 = pd.concat([df1.name, df1['T'].apply(pd.Series)], 1)

結果：

     name col1 col2
0   First    1    2
0   First    6    7
0   First    9    2
1  Second   88  277
1  Second  889  290

Answer 2

您可以直接使用json_normalize獲取所需的 dataframe。 但輸入必須是dictionary 。

df_dict = df.to_dict("records")
df_dict
[{'name': 'First',
  'T': [{'col1': '1', 'col2': '2'},
   {'col1': '6', 'col2': '7'},
   {'col1': '9', 'col2': '2'}]},
 {'name': 'Second',
  'T': [{'col1': '88', 'col2': '277'}, {'col1': '889', 'col2': '290'}]}]

在json_normalize中，傳遞字典、要json_normalize的列，然后傳遞要包含的其他列

pd.json_normalize(df_dict, 'T', ['name']).reindex(columns=['name', 'col1', 'col2'])

    name    col1   col2
0   First   1      2
1   First   6      7
2   First   9      2
3   Second  88     277
4   Second  889    290