我正在尝试找到一种从平面 Pandas DataFrame 实例创建(可能很深)嵌套字典的通用方法。
假设我有以下 DataFrame:
dat = pd.DataFrame({'name' : ['John', 'John', 'John', 'John', 'Henry', 'Henry'],
'age' : [24, 24, 24, 24, 31, 31],
'gender' : ['Male','Male','Male','Male','Male','Male'],
'study' : ['Mathematics', 'Mathematics', 'Mathematics', 'Philosophy', 'Physics', 'Physics'],
'course' : ['Calculus 101', 'Calculus 101', 'Calculus 102', 'Aristotelean Ethics', 'Quantum mechanics', 'Quantum mechanics'],
'test' : ['Exam', 'Essay','Exam','Essay', 'Exam1','Exam2'],
'pass' : [True, True, True, True, True, True],
'grade' : ['A', 'A', 'B', 'A', 'C', 'C']})
dat = dat[['name', 'age', 'gender', 'study', 'course', 'test', 'grade', 'pass']] #re-order columns to better reflect data structure
我想创建一个深度嵌套的字典(或嵌套字典列表)，它“尊重”该数据的底层结构。也就是说，成绩是关于测试的信息，测试是类(class)的一部分，是学习的一部分，一个人所做的。此外，年龄和性别是关于同一个人的信息。
一个示例所需的输出是这样的:
[{'John': {'age': 24,
'gender': 'Male',
'study': {'Mathematics': {'Calculus 101': {'Exam': {'grade': 'B',
'pass': True}}},
'Philosophy': {'Aristotelean Ethics': {'Essay': {'grade': 'A',
'pass': True}}}}}},
{'Henry': {'age': 31,
'gender': 'Male',
'study': {'Physics': {'Quantum mechanics': {'Exam1': {'Grade': 'C',
'Pass': True},
'Exam2': {'Grade': 'C',
'Pass': True}}}}}}]
(尽管可能有其他类似的方法来构造此类数据)。
我尝试使用 groupby，这使得它很容易，例如，将 'grade' 和 'pass' 嵌套在 'test' 下，将 'test' 嵌套在 'course' 下，将 'course' 嵌套在 'study' 下，以及 '在“姓名”下学习“。但是，我也看不到如何在“姓名”下添加“性别”和“年龄”？像这样的东西是我想出的最好的东西:
dic = {}
for ind, row in dat.groupby(['name', 'study', 'course', 'test'])['grade', 'pass']:
#this is ugly and not very generic, but just as an example
if not ind[0] in dic:
dic[ind[0]] = {}
if not ind[1] in dic[ind[0]]:
dic[ind[0]][ind[1]] = {}
if not ind[2] in dic[ind[0]][ind[1]]:
dic[ind[0]][ind[1]][ind[2]] = {}
if not ind[3] in dic[ind[0]][ind[1]][ind[2]]:
dic[ind[0]][ind[1]][ind[2]][ind[3]] = {}
dic[ind[0]][ind[1]][ind[2]][ind[3]]['grade'] = row['grade'].values[0]
dic[ind[0]][ind[1]][ind[2]][ind[3]]['pass'] = row['pass'].values[0]
但在这种情况下，“年龄”和“性别”并未嵌套在“姓名”下。我似乎无法理解如何做到这一点......
另一种选择是设置一个 MultiIndex 并进行 .to_dict('index') 调用。但是话又说回来，我看不出如何将字典和非字典嵌套在一个键下......
我的问题和这个类似: Convert pandas DataFrame to a nested dict ，但我正在寻找更复杂的嵌套(例如，不仅仅是应该嵌套在所有其他列下的最后一列)。 Stackoverflow 上的大多数其他问题要求相反:从深度嵌套的字典创建(可能是 MultiIndex)DataFrame。
编辑:问题也类似于这个问题:Pandas convert Dataframe to Nested Json ，但在那个问题中，只有最后列(例如，列n)应该嵌套在所有其他列(n-1，< em>n-2 等；完全递归嵌套)。 在我的问题中，列 n 和 n-1 应该嵌套在 n-2 下，但是列 n-2 和 n-3 应该嵌套在 n-4 下(因此，重要的是，n-2 不是嵌套在 n-3 下但在 n-4 下)。 Mohammad Yusuf Ghazi 提供的 MultiIndex 部分解决方案很好地描述了该结构。
最佳答案
不是很简洁，但这是我现在能得到的最好的:
>>> def rollup1(x):
... return x.set_index('test')[['grade', 'pass']].to_dict(orient='index')
>>> def rollup2(x):
... return x.groupby('course').apply(rollup1).to_dict()
>>> def rollup3(x):
... return x.groupby('study').apply(rollup2).to_dict()
>>> df = dat.groupby(['name','age','gender']).apply(rollup3)
>>> df.name = 'study'
>>> res = df.reset_index(level=[1,2]).to_dict(orient='index')
>>> pprint.pprint(res)
{'Henry': {'age': 31L,
'gender': 'Male',
'study': {'Physics': {'Quantum mechanics': {'Exam1': {'grade': 'C',
'pass': True},
'Exam2': {'grade': 'C',
'pass': True}}}}},
'John': {'age': 24L,
'gender': 'Male',
'study': {'Mathematics': {'Calculus 101': {'Essay': {'grade': 'A',
'pass': True},
'Exam': {'grade': 'A',
'pass': True}},
'Calculus 102': {'Exam': {'grade': 'B',
'pass': True}}},
'Philosophy': {'Aristotelean Ethics': {'Essay': {'grade': 'A',
'pass': True}}}}}}
想法是将数据汇总到字典，同时将数据分组以获得“研究”列
更新 我试图创建更通用的解决方案，因此它适用于 this one 这样的问题还有:
def rollup_to_dict_core(x, values, columns, d_columns=None):
if d_columns is None:
d_columns = []
if len(columns) == 1:
if len(values) == 1:
return x.set_index(columns)[values[0]].to_dict()
else:
return x.set_index(columns)[values].to_dict(orient='index')
else:
res = x.groupby([columns[0]] + d_columns).apply(lambda y: rollup_to_dict_core(y, values, columns[1:]))
if len(d_columns) == 0:
return res.to_dict()
else:
res.name = columns[1]
res = res.reset_index(level=range(1, len(d_columns) + 1))
return res.to_dict(orient='index')
def rollup_to_dict(x, values, d_columns=None):
if d_columns is None:
d_columns = []
columns = [c for c in x.columns if c not in values and c not in d_columns]
return rollup_to_dict_core(x, values, columns, d_columns)
>>> pprint(rollup_to_dict(dat, ['pass', 'grade'], ['age','gender']))
{'Henry': {'age': 31L,
'gender': 'Male',
'study': {'Physics': {'Quantum mechanics': {'Exam1': {'grade': 'C',
'pass': True},
'Exam2': {'grade': 'C',
'pass': True}}}}},
'John': {'age': 24L,
'gender': 'Male',
'study': {'Mathematics': {'Calculus 101': {'Essay': {'grade': 'A',
'pass': True},
'Exam': {'grade': 'A',
'pass': True}},
'Calculus 102': {'Exam': {'grade': 'B',
'pass': True}}},
'Philosophy': {'Aristotelean Ethics': {'Essay': {'grade': 'A',
'pass': True}}}}}}
关于python - 从 Pandas DataFrame 创建复杂的嵌套字典，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/41283161/