Python 如何使用Pandas将多个嵌套值转换为分类变量？

我正在研究yelp数据集，对于企业来说，这是来自

yelp\u academic\u dataset\u business.json

的第一行json。后续行与此架构匹配：

{
  "business_id":"0DI8Dt2PJp07XkVvIElIcQ",
  "name":"Innovative Vapors",
  "neighborhood":"",
  "address":"227 E Baseline Rd, Ste J2",
  "city":"Tempe",
  "state":"AZ",
  "postal_code":"85283",
  "latitude":33.3782141,
  "longitude":-111.936102,
  "stars":4.5,
  "review_count":17,
  "is_open":0,
  "attributes":[
    "BikeParking: True",
    "BusinessAcceptsBitcoin: False",
    "BusinessAcceptsCreditCards: True",
    "BusinessParking: {
      'garage': False,
      'street': False,
      'validated': False,
      'lot': True,
      'valet': False
    }",
    "DogsAllowed: False",
    "RestaurantsPriceRange2: 2",
    "WheelchairAccessible: True"
  ],
  "categories": [
    "Tobacco Shops",
    "Nightlife",
    "Vape Shops",
    "Shopping"
  ],
  "hours":[
    "Monday 11:0-21:0",
    "Tuesday 11:0-21:0",
    "Wednesday 11:0-21:0",
    "Thursday 11:0-21:0",
    "Friday 11:0-22:0",
    "Saturday 10:0-22:0",
    "Sunday 11:0-18:0"
  ],
  "type":"business"
}

我尝试将json解析为csv，并使用

pd导入csv。读取\u csv

，我得到以下DF：

+---+-----------------------------------------------------------------+
|idx|                     attributes                                  |
+---+-----------------------------------------------------------------+
| 0 | BikeParking: True, BusinessAcceptsBitcoin: False,               |
|   | BusinessAcceptsCreditCards: True, ,DogsAllowed: False,          |
|   | RestaurantsPriceRange2: 2, WheelchairAccessible: True,          |
|   | BusinessParking: {'garage': False,                              |
|   |                   'street': False,                              |
|   |                   'validated': False,                           |
|   |                   'lot': True,                                  |
|   |                   'valet': False}                               |
+---+-----------------------------------------------------------------+

但我真正想要的是：

+----+-----------------------------------+-----------------------------------+
| id | attributes_BusinessParking_garage | attributes_BusinessParking_lot    |
+----+-----------------------------------+-----------------------------------+
|  0 |                  1                |                0                  |
+----+-----------------------------------+-----------------------------------+

def split_attributes (row):
    for k, v in row[0].items():
        row[k] = v
df = df.apply(split_attributes)

我知道有pd.get\u dummies，但是由于单元格被视为字符串，所以我没有很好的平面分类列

---

注意：为了简单起见，我在示例中没有显示更多的列。

您是否尝试过使用映射函数来分隔属性

您可能需要初始化要清空字符串的列或任何需要的数据类型，然后执行以下操作：

+----+-----------------------------------+-----------------------------------+
| id | attributes_BusinessParking_garage | attributes_BusinessParking_lot    |
+----+-----------------------------------+-----------------------------------+
|  0 |                  1                |                0                  |
+----+-----------------------------------+-----------------------------------+

def split_attributes (row):
    for k, v in row[0].items():
        row[k] = v
df = df.apply(split_attributes)

编辑

---

根据您的最新问题；您是否尝试过使用

pd.read_json

？

在这种情况下，pandas不会将json视为字典。它存储为字符串。我还必须处理嵌套结构的情况。为什么不将字符串转换为字典？您熟悉

ast

模块吗？我意识到从时间上讲，这不是最有效的解决方案，但如果它能让你达到你想要的目的……数据是这样进来的还是在你导入之后？请显示原始数据源并导入。这是数据的输入方式。请原谅，Yelp没有交出熊猫数据框。它源于json吗？csv？xml？哦。它是作为json文件分发的，我用它来解析csv。请发布一个原始json示例，因为熊猫有I/O方法来导入这些文件，而不是在链接代码中使用。