如何将嵌套字典转换为Python元组？

我想将嵌套字典转换为Python元组，但我发现的所有示例都不适合我的情况。这是字典的样子：

d = {'default': {'USD': {'value': 490.0, 'quantity': 490.0}},
     'expert': {'USD': {'value': 500.0, 'quantity': 500.0}}}

预期结果：

{('default', 'value'): {'USD': 490.0},
 ('default', 'quantity'): {'USD': 490.0},
 ('expert', 'value'): {'USD': 500.0},
 ('expert', 'quantity'): {'USD': 500.0}
}

d = {'default': {'USD': {'value': 490.0, 'quantity': 490.0}},
     'expert': {'USD': {'value': 500.0, 'quantity': 500.0}}}

new_d = {}

for key, value in d.items():
    for key1, value1 in value.items():
        for key2, value2 in value1.items():
            new_d[(key, key2)] = {key1: value2}

其想法是创建一个多索引数据帧，如下所示：

pd.DataFrame(tuple)

        default             expert
        value   quantity    value   quantity
USD     490.0   490.0       500.0   500.0

我所做的

使用（）可以获得稍微不同的结果：

其中：

{('default', 'USD'): {'value': 490.0, 'quantity': 490.0},
 ('expert', 'USD'): {'value': 500.0, 'quantity': 500.0}}

但正如您所看到的，数据帧没有所需的结构：

            default expert
            USD     USD
value       490.0   500.0
quantity    490.0   500.0

---

您可以像这样使用smth，它看起来很丰满，但效果与预期的一样：

{('default', 'value'): {'USD': 490.0},
 ('default', 'quantity'): {'USD': 490.0},
 ('expert', 'value'): {'USD': 500.0},
 ('expert', 'quantity'): {'USD': 500.0}
}

d = {'default': {'USD': {'value': 490.0, 'quantity': 490.0}},
     'expert': {'USD': {'value': 500.0, 'quantity': 500.0}}}

new_d = {}

for key, value in d.items():
    for key1, value1 in value.items():
        for key2, value2 in value1.items():
            new_d[(key, key2)] = {key1: value2}

---

我通过在问题中的示例中添加一个带有

secInnerDict

的嵌套级别找到了我自己问题的答案：

{(outerKey, secinnerKey): {innerKey:secvalues} for outerKey, innerDict in total.items() for innerKey, secInnerDict in innerDict.items() for secinnerKey, secvalues in secInnerDict.items()}

返回：

{('default', 'value'): {'USD': 490.0},
 ('default', 'quantity'): {'USD': 490.0},
 ('expert', 'value'): {'USD': 500.0},
 ('expert', 'quantity'): {'USD': 500.0}}

---

一般来说，我会将初始dict展平，将其加载到数据帧中，然后旋转数据帧：

# flatten:
def flatten(val):
    if isinstance(val, list):
        return val
    elif isinstance(val, dict):
        return [(k, *v) for k, value in val.items()
                 for v in flatten(value)]
    return ((val,),)

# print(flatten(d))          # uncomment for traces

# load into a raw DataFrame:
df = pd.DataFrame(flatten(d))
# print(df)                  # uncomment for traces

# We can now choose what should be the index, columns and values
df = df.pivot(1, [0,2], 3).rename_axis(index=None, columns=(None, None))

正如预期的那样：

    default          expert         
      value quantity  value quantity
USD   490.0    490.0  500.0    500.0

并且跟踪是（未注释时）：

---

我没有提供嵌套列表理解，因为听说它不推荐，因为阅读复杂。出于某种原因，pivot函数返回

索引器。错误：级别太多：索引只有2级，而不是3级。这是我的跟踪
[（'default'，USD'，value'，490.0），（'default'，USD'，quantity'，490.0），（'expert'，USD'，value'，500.0），（'expert'，USD'，quantity'，500.0）]
我忘了提到这也是错误消息的一部分
ValueError:2不在列表中