Python 分析熊猫中的数据，其中一些值是DICT列表

我收到了一个愚蠢的csv，其中包含20000行数据，仅涉及300个案例，因此我想尝试以更有意义的方式对内容进行分组，因此我现在有一个包含300个案例的文本文件，其中两个示例如下：

【治疗】：【年】：【2004】，【原因】：【故意/疑似自杀】，【病例编号】：【9999】，【结果】：【轻微影响】，【症状】：【嗜睡/嗜睡/相关】，【病例药物】：【药物】：【药物】：【利沃曲利】，【泊松指数】：【苯二氮卓类】，【药水】，【药水】：【药水代码】：【999】，【常规药物】：【摄入】，“原料药通用代码”：“999”}，{“原料药”：“氢吗啡酮X 15注射器6 MG EA”，“泊松指数描述”：“氢吗啡酮”，“原料药通用代码”：“液体”，“原料药产品代码”：“9999”，“路线XP”：“摄入”，“原料药通用代码”：“9999”}]，“敏锐性”：“急性”，“年龄组”：“90-99岁”，“性别”：“zoidberg”}，
{“治疗”：[“单剂量活性炭”，“静脉输液”]，“年份”：“2006年”，“原因”：“无意/一般”，“病例编号”：“8888”，“结果”：“可能的最小临床效果”，“症状”：[“”]，“病例药物”：[{“物质”：“洛哌丁胺2MG X 1/2”，“泊松指数描述”：“洛哌丁胺”，“药物配方”：“固体（片剂/胶囊/小片）”，”SubstanceProductCode:“88”，“RouteExp:“摄入”，“SubstanceGeneric_AAPCC__Code:“88”}]，“敏锐度”：“急性”，“年龄组”：“15岁”，“性别”：“F”}]

像“年”这样的词对于每个病例只有一个值，“症状”有一个值列表，还有“病例\药物”“有一份口述清单。这种格式对我来说很有意义，因为一个人可以有多种药物，而且每种药物都有与其相关的多个属性。我真的不想平展数据，因为药物变量之类的东西实际上没有最大数量的条目，所以如果我有“药物1，药物2，药物3”，那么下次我得到数据时，我就必须添加“药物4”

目前，我可以在pandas中加载文件并分析大部分内容。对于列表值，我遇到了另一个stack exchange帖子，它建议我可以使用以下内容：

df['Symptoms'].apply（λx:pd.Series（x）.value_counts（））.sum（）

那很好用。我相信我能想出如何用类似的方法进行其他分析。我仍然不确定如何分析case_drugs变量。我可以创建自己的函数来循环并读取数据，但我想知道pandas中是否存在能够实现这一点的现有功能。例如，如果我想计算“case_drugs”变量的“substance”值中出现“RIVOTRIL”的次数，该怎么办

或者，如果您认为我最好以另一种方式存储数据，这也是一个可以接受的答案

---

感谢

case\u druges

变量，一种方法是为它创建另一个数据帧

df_case_drugs = pd.DataFrame(df['case_drugs'].values[0])
df_case_drugs['Substance'].value_counts()
>>>
RIVOTRIL                               1
HYDROMORPHONE X 15 SYRINGES 6 MG EA    1

更新： 创建包含

案例中所有条目的数据框

我首先将

case\u druges

中的dicts列表拆分（分解）到自己的行中，并使用

case number

作为索引

df_case_drugs = pd.DataFrame(df['case_drugs'].tolist(), index=df['CaseNumber']).stack()
df_case_drugs = df_case_drugs.reset_index()

这将在名为0的列中为您提供一个每行一个dict的数据帧。（您可以重命名该列，但我们不会保留该列，因此这并不重要。）

然后将dict转换为数据帧

df_case_drugs = pd.concat([df_case_drugs['CaseNumber'], 
    pd.DataFrame(df_case_drugs[0].tolist())], axis=1)

计数值：

df_case_drugs['Substance'].value_counts()
>>>
RIVOTRIL                               1
LOPERAMIDE 2MG X 1/2                   1
HYDROMORPHONE X 15 SYRINGES 6 MG EA    1

---

谢谢我喜欢这个解决方案。为了对case_drugs中的所有值执行此操作，我做了以下操作：

df_case_drugs=pd.DataFrame（pcc['case_drugs'].value[0]）用于pcc['case_drugs']中的x。value[1:]：df_case_drugs=df_case_drugs.append（pd.DataFrame（x））df_case_drugs['Substance']。value_counts（）

您认为有更简单的方法吗？另外，我如何在这个新的DF中添加一列以包含“CaseNumber”变量？@melonfacedoom我编辑了我的答案以扩展解决方案。希望这就是你要找的。