从嵌套字典到python数据帧
我有一个嵌套字典的示例,如下所示:从嵌套字典到python数据帧,python,python-3.x,json-normalize,Python,Python 3.x,Json Normalize,我有一个嵌套字典的示例,如下所示: data = [{ 'resultInfo': { 'load': None, 'unload': { 'weight': 59.0, 'unit': 'ton', 'tonsPerTeu': None, 'tonsPerFeu': None,
data = [{
'resultInfo': {
'load': None,
'unload': {
'weight': 59.0,
'unit': 'ton',
'tonsPerTeu': None,
'tonsPerFeu': None,
'freightId': None,
'showEmissionsAtResponse': True
},
'location': 'zip:63937',
'freightId': None,
'emissionPercentage': 1.0,
'directDistance': 767.71
},
'emissions': {
'primaryEnergy': {
'rail': None,
'sea': None,
'air': None,
'inlandWaterways': None,
'road': {
'_value_1': Decimal('70351.631210000000'),
'wellToTank': Decimal('13412'),
'tankToWheel': Decimal('56939')
},
'logisticsite': None,
'transfer': None,
'unit': 'MegaJoule'
},
'carbonDioxide': {
'rail': None,
'sea': None,
'air': None,
'inlandWaterways': None,
'road': {
'_value_1': Decimal('4.866239643000'),
'wellToTank': Decimal('0.902'),
'tankToWheel': Decimal('3.963')
}
}]
类型(数据)
是一个列表
我希望它采用数据帧格式,以便预期输出是:
primaryEnergy_wellToTank primaryEnergy_tankToWheel carbonDioxide_wellToTank carbonDioxide_tankToWheel
13412 56939 0.902 3.963
我尝试了pd.Dataframe函数的一些转换:
df = pd.DataFrame(dict([ (k,pd.Series(v)) for k,v in mydict.items() ]))df = pd.DataFrame(dict([ (k,pd.Series(v)) for k,v in mydict.items() ]))
但到目前为止,结果并不是很成功
如何做到这一点
下面是我使用df=pd.json\u normalize(data)
---------------------------------------------------------------------------
KeyError回溯(最近一次呼叫最后一次)
~\AppData\Local\Continuum\anaconda3\lib\site packages\zeep\xsd\valueobjects.py在\uuuuu getattribute\uuuuu中(self,key)
142尝试:
-->143返回自身值\uuuuuu[键]
144除键错误外:
KeyError:“值”
在处理上述异常期间,发生了另一个异常:
AttributeError回溯(最近一次呼叫上次)
在里面
---->1 df=pd.json\u规范化(result.result)
~\AppData\Roaming\Python\Python37\site packages\pandas\io\json\\\\\\\\\\\\\\ json\\ normalize中的.py(数据、记录路径、元、元前缀、记录前缀、错误、sep、最大级别)
272
273如果记录路径为“无”:
-->274如果有([isinstance(x,dict)代表y中的x。values()]代表y中的数据):
275#朴素规范化,这对于平面记录是幂等的
276#并有可能使数据大幅膨胀
(.0)中的~\AppData\Roaming\Python\Python37\site packages\pandas\io\json\\u normalize.py
272
273如果记录路径为“无”:
-->274如果有([isinstance(x,dict)代表y中的x。values()]代表y中的数据):
275#朴素规范化,这对于平面记录是幂等的
276#并有可能使数据大幅膨胀
~\AppData\Local\Continuum\anaconda3\lib\site packages\zeep\xsd\valueobjects.py在\uuuuu getattribute\uuuuu中(self,key)
144除键错误外:
145提高属性错误(
-->146“%s”实例没有属性“%s”。(self.\u class.\u.\u name.\u,key)
147 )
148
AttributeError:DistributionLoadResult实例没有属性“值”
- 我可以通过使用
函数来解决这个问题serialize\u object
- 如果
看起来像这篇文章底部的列表
,其中重复了目录列表
,那么您可以使用resultInfo
- 创建
后,用df
将熊猫作为pd导入
df=pd.json\u规范化(数据)
#显示(df)
resultInfo.load resultInfo.unload.weight resultInfo.unload.unit resultInfo.unload.tonsPerTeu resultInfo.unload.tonsPerFeu resultInfo.unload.freightId resultInfo.unload.showEmissionsAtResponse resultInfo.location resultInfo.freightId resultInfo.EmissionResultInfo.directDistance emissions.primaryEnergy.rail emissions.primaryEnergy.sea排放量。一次能源。空气排放量。一次能源。内陆水道排放量。一次能源。道路。排放量。一次能源。道路。油井排放量。一次能源。道路。油罐车排放量。一次能源。物流站点排放量。一次能源。转移排放量。一次能源。单位排放量。二氧化碳。铁路排放量。二氧化碳。海洋排放物。二氧化碳。空气排放物。二氧化碳。内陆水道排放物。二氧化碳。道路。_值_1排放物。二氧化碳。道路。油井排放物。二氧化碳。道路。油罐车
0无59.0吨无真拉链:63937无1.0 767.71无无无无70351.63121 13412 5693无无无无兆焦耳无无无4.86624 0.902 3.96
1无59.0吨无真拉链:63937无1.0 767.71无无无无70351.63121 13412 5693无无无无兆焦耳无无无4.86624 0.902 3.96
2无59.0吨无真拉链:63937无1.0 767.71无无无70351.63121 13412 5693无无
---------------------------------------------------------------------------
KeyError Traceback (most recent call last)
~\AppData\Local\Continuum\anaconda3\lib\site-packages\zeep\xsd\valueobjects.py in __getattribute__(self, key)
142 try:
--> 143 return self.__values__[key]
144 except KeyError:
KeyError: 'values'
During handling of the above exception, another exception occurred:
AttributeError Traceback (most recent call last)
<ipython-input-180-cc2694b5448e> in <module>
----> 1 df = pd.json_normalize(result.result)
~\AppData\Roaming\Python\Python37\site-packages\pandas\io\json\_normalize.py in _json_normalize(data, record_path, meta, meta_prefix, record_prefix, errors, sep, max_level)
272
273 if record_path is None:
--> 274 if any([isinstance(x, dict) for x in y.values()] for y in data):
275 # naive normalization, this is idempotent for flat records
276 # and potentially will inflate the data considerably for
~\AppData\Roaming\Python\Python37\site-packages\pandas\io\json\_normalize.py in <genexpr>(.0)
272
273 if record_path is None:
--> 274 if any([isinstance(x, dict) for x in y.values()] for y in data):
275 # naive normalization, this is idempotent for flat records
276 # and potentially will inflate the data considerably for
~\AppData\Local\Continuum\anaconda3\lib\site-packages\zeep\xsd\valueobjects.py in __getattribute__(self, key)
144 except KeyError:
145 raise AttributeError(
--> 146 "%s instance has no attribute '%s'" % (self.__class__.__name__, key)
147 )
148
AttributeError: DistributionLoadResult instance has no attribute 'values'