Блог

Я пытаюсь извлечь значения из столбца словарей в pandas и назначить их соответствующим столбцам, которые уже существуют. Я жестко запрограммировал приведенный ниже пример набора данных, который у меня есть:

 df_have = pd.DataFrame(
{
    'value_column':[np.nan, np.nan, np.nan]
    ,'date':[np.nan, np.nan, np.nan]
    ,'string_column':[np.nan, np.nan, np.nan]
    , 'dict':[[{'value_column':40},{'date':'2017-08-01'}],[{'value_column':30}, 
{'string_column':'abc'}],[{'value_column':10},{'date':'2016-12-01'}]]
})

df_have

df_want = pd.DataFrame(
    {
        'value_column':[40, 30, 10]
        ,'date':['2017-08-01', np.nan, '2016-12-01']
        ,'string_column':[np.nan, 'abc', np.nan]
        ,'dict':[[{'value_column':40},{'date':'2017-08-01'}],[{'value_column':30}, 
{'string_column':'abc'}],[{'value_column':10},{'date':'2016-12-01'}]]})
df_want
  

Мне удалось извлечь значения из словарей с помощью циклов:

»’

 for row in range(len(df_have)):
    row_holder = df_have.dict[row]
    number_of_dictionaries_in_the_row = len(row_holder)
    
    for dictionary in range(number_of_dictionaries_in_the_row):
        variable_holder = df_have.dict[row][dictionary].keys()
        variable = list(variable_holder)[0]
        value = df_have.dict[row][dictionary].get(variable) 
  

»’

Теперь мне нужно как-то условно превратить df_have в df_want. Я рад использовать совершенно новый подход и воссоздать все это с нуля. Мы могли бы даже предположить, что у меня есть только фрейм данных со словарями и ничего больше.

Вы могли бы использовать строковые методы pandas для извлечения данных, хотя я думаю, что это неэффективно при вложении структур данных в Pandas :

 df_have.loc[:, "value_column"] = df_have["dict"].str.get(0).str.get("value_column")
df_have.loc[:, "date"] = df_have["dict"].str.get(-1).str.get("date")
df_have.loc[:, "string_column"] = df_have["dict"].str.get(-1).str.get("string_column")


 value_column   date       string_column    dict
0   40        2017-08-01    None    [{'value_column': 40}, {'date': '2017-08-01'}]
1   30        None          abc     [{'value_column': 30}, {'string_column': 'abc'}]
2   10        2016-12-01    None    [{'value_column': 10}, {'date': '2016-12-01'}]