Python 熔化包含字典列的数据帧，以便字典值也熔化 这不是复制品

此问题：不回答此帖子中的问题。在这篇文章的末尾，我介绍了一种将一列字典转换为数据帧的方法，这并不是我在这里发现的困难

---

安装程序 鉴于以下数据：

d1={'a'：12，'b'：44}
d2={'this'：9'that'：33'there'：82}
d3={'x'：19，'y'：38，'z'：12，'t'：90}
df=pd.数据帧（dict(
var_1=[1,2,3]，
变量2=['1'，'2'，'4']，
var_3=[d1、d2、d3]
))

看起来是：

var_1 var_2 var_3
01一{'a'：12，'b'：44}
12两个{'this'：9'that'：33'there'：82}
2 3四个{'x'：19，'y'：38，'z'：12，'t'：90}

我希望能够以一种 还从

var_3

列中提取了词典

仅使用第一行：

   var_1 var_2                                 var_3
0      1   one                    {'a': 12, 'b': 44}

预期的中期结果将是：

   var_1 var_2   key   value    
0      1   one    a     12
1      1   one    b     44

熔化后，这将是：

# using df.melt(id_vars = ['var_1', 'var_2'])

   var_1 var_2 variable value
0      1   one      key     a
1      1   one      key     b
2      1   one    value    12
3      1   one    value    44

我希望在所有数据中都这样做

企图 老实说，我不知道该怎么做

#生成键：值数据帧
第i行=0
col_i=2
key\u value\u df=（pd.DataFrame（df.iloc[row\u i，col\u i]，index=[0]）
.T.重置索引（）
.rename（列={'index'：'key'，0:'value'}）
)
data_thing=（pd.concat（[pd.DataFrame（df.iloc[0,0,1]））
.to_dict（），index=[0]）]*len（key_value_df）））

然后

data\u thing.join（key\u value\u df）.重置索引（drop=True）

将给予

var_1 var_2键值
0 1 1 a 12
1 1 a 12

但这感觉它可以得到极大的改进，我不确定是否可以推广到其他行

编辑 我可以使用以下内容获取一列字典作为数据帧

all_keys=functools.reduce（lambda x，y:x+y，[list（x.keys（））表示var3中的x]）
all_values=functools.reduce（lambda x，y:x+y，[list（x.values（））表示var3中的x]）
数据帧（dict（键=所有键，值=所有值））

给予

    keys  values
0      a      12
1      b      44
2   this       9
3   that      33
4  there      82
5      x      19
6      y      38
7      z      12
8      t      90

但这并没有回答我提出的问题

def custom_melt(df):
    vals = []
    for row in df.itertuples():
        for k, v in row.var_3.items():
            vals.append({'var_1': row.var_1,
                         'var_2': row.var_2,
                         'variable': 'key',
                         'value': k})
            vals.append({'var_1': row.var_1,
                         'var_2': row.var_2,
                         'variable': 'value',
                         'value': v})
    return pd.DataFrame(vals).sort_values(['var_1', 'var_2', 'variable'])

输出

>>>custom_melt(df)
    var_1 var_2 variable  value
0       1   one      key      a
2       1   one      key      b
1       1   one    value     12
3       1   one    value     44

使用您的

df

将熊猫作为pd导入
var3=pd.DataFrame（pd.DataFrame（df['var_3'].values.tolist（））.stack（）.reset_index（level=1））
var3.columns=['keys'，'values']
打印（var3）
关键值
0 a 12.0
0 b 44.0
1这是9.0
1这是33.0
1有82.0
2x19.0
2 y 38.0
2Z12.0
2T90.0
df=df.join（var3）
打印（df）

pd.json\u规范化

• 这可能更好

var3=pd.DataFrame（pd.json_normalize（df.var_3.stack（））.reset_index（level=1）
var3.columns=['keys'，'values']

使用嵌套for循环和硬编码列名让我有点不安谢谢Trenton，我刚刚意识到这是有效的，因为索引值被保留了，使连接可以在以后使用它。我几乎从来没有这样做过，所以这对我来说是非常有益的。干杯：）（起初我很惊讶join知道每个人要保留多少ha…）是的，这是一个问题。每个人都想要一个好的

0…n

索引，但是你不能

加入
。