我正在为我的硕士论文研究数据挖掘问题。我正在使用 Python 进行数据分析，但我没有使用 Pandas 的经验，而 Pandas 是将我的数据转换为 Dataframe 所必需的。为了使用名为 Lifelines 的 Python 包进行生存回归，我需要从实验数据字典中创建一个协变量矩阵，其中包含超过 16k 的字典以及有关 Kickstarter 项目的 Twitter 数据(请参阅下面的示例字典)。
16041: {'goal': 1200, 'launch': 1353544772, 'days-before-deadline': 3, 'followers': 149, 'date-funded': 1355887690.9189188, 'id': 52687, 'tweet_ids': [280965208409796608, ... n], 'state': 1, 'deadline': 1356136772, 'retweets': 0, 'favorites': 0, 'duration': 31, 'timestamps': [1355876412.0], 'favourites': 0, 'runtime': 27, 'friends': 127, 'pledges': [0.0, 0.0625, 0.0625, ... n], 'statuses': 7460}
如果我从这个字典创建一个 Pandas Dataframe，我将能够使用 Patsy 创建一个协变量矩阵，例如如下所示:
X = patsy.dmatrix('friends + followers + retweets, favorites -1', data, return_type='dataframe')
现在我的问题是如何从experiment_data dicts创建Pandas Dataframe？内部字典的键(目标、启动、关注者等)应该是每个 Kickstarter 项目的列(即索引号:0 到 16041)。
任何帮助将不胜感激。提前致谢!
附注如果您有使用 Python 和 Lifelines 进行生存回归的经验，请告诉我!
最佳答案
我想你想要from_dict使用参数orient='index':
In [31]:
d={16041: {'goal': 1200, 'launch': 1353544772, 'days-before-deadline': 3, 'followers': 149, 'date-funded': 1355887690.9189188, 'id': 52687, 'tweet_ids': [280965208409796608], 'state': 1, 'deadline': 1356136772, 'retweets': 0, 'favorites': 0, 'duration': 31, 'timestamps': [1355876412.0], 'favourites': 0, 'runtime': 27, 'friends': 127, 'pledges': [0.0, 0.0625, 0.0625], 'statuses': 7460}}
pd.DataFrame.from_dict(d, orient='index')
Out[31]:
id followers days-before-deadline statuses duration state \
16041 52687 149 3 7460 31 1
goal tweet_ids pledges favourites \
16041 1200 [280965208409796608] [0.0, 0.0625, 0.0625] 0
deadline favorites retweets runtime friends launch \
16041 1356136772 0 0 27 127 1353544772
timestamps date-funded
16041 [1355876412.0] 1.355888e+09
关于python - 将包含 16k 字典的字典更改为 Pandas Dataframe，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/31562706/