构造多索引数据帧嵌套Python字典

我想从这种形式的深层嵌套字典构造一个多索引数据框架

md = {'50': {'100': {'col1': ('0.100',
                              '0.200',
                              '0.300',
                              '0.400'),
                     'col2': ('6.263E-03',
                              '6.746E-03',
                              '7.266E-03',
                              '7.825E-03')},
             '101': {'col1': ('0.100',
                              '0.200',
                              '0.300',
                              '0.400'),
                     'col2': ('6.510E-03',
                              '7.011E-03',
                              '7.553E-03',
                              '8.134E-03')}
             '102': ...
            }
      '51': ...
     }

我试过了

df = pd.DataFrame.from_dict({(i,j): md[i][j][v] for i in md.keys() for j in md[i].keys() for v in md[i][j]}, orient='index')

下面，但是我得到了一个包含1行和许多列的数据帧

奖金： 我还想标记多索引键和列“col1”和“col2”，并将字符串分别转换为

int

和

float

---

如何从数据帧重建原始词典？ 我尝试了

df.\u dict（'list'）

查看以下答案：。该方法解压字典的键和值，并将数据转换为多索引数据帧的易于处理的格式。请注意，如果您使用的是python 3.5+，则需要使用

.items（）

而不是

.iteritems（）

，如链接的答案所示：

>>>>import pandas as pd
>>>>reform = {(firstKey, secondKey, thirdKey): values for firstKey, middleDict in md.items() for secondKey, innerdict in middleDict.items() for thirdKey, values in innerdict.items()}
>>>>df = pd.DataFrame(reform)

要将col1和col的数据类型更改为

int

和

float

，然后可以使用并指定所需的任何值：

df.rename({'col1':1, 'col2':2.5}, axis=1, level=2, inplace=True)

此外，如果您希望在索引上显示级别而不是列，也可以使用

如果要从该多索引重建词典，可以执行以下操作：

>>>>md2={}
>>>>for i in df.columns:
        if i[0] not in md2.keys():
            md2[i[0]]={}
        if i[1] not in md2[i[0]].keys():
            md2[i[0]][i[1]]={}
    md2[i[0]][i[1]][i[2]]=tuple(df[i[0]][i[1]][i[2]].values)

---

如何从数据帧重建原始词典？@redhotsnow我在答案中添加了一种重建技术。