Python 熊猫把字典分解成几行

我有一个数据帧：

    Name                                    Sub_Marks
0    Tom  {'Maths': 30, 'English': 40, 'Science': 35}
1  Harry  {'Maths': 35, 'English': 30, 'Science': 25}
2   Nick  {'Maths': 32, 'English': 23, 'Science': 20}

我需要把字典分解成多行。例如

    Name  Subject  Marks
0    Tom    Maths     30
1    Tom  English     40
2    Tom  Science     35
3  Harry    Maths     35
4  Harry  English     30
5  Harry  Science     25
6   Nick    Maths     32
7   Nick  English     23
8   Nick  Science     20

我知道我们可以在数据框中分解列表。使用字典有什么方法吗？

您可以使用将字典“分解”为列，然后使用将列转换为

主题

和

标记

列，如下所示：

(df.drop(columns='Sub_Marks')
   .join(df.apply(lambda x: pd.Series(x['Sub_Marks']), axis=1))
   .melt(id_vars='Name', value_vars=['Maths', 'English', 'Science'], var_name='Subject', value_name='Marks')
   .sort_values('Name')
).reset_index(drop=True)

您还可以使用

pd.DataFrame（）

和

to_list（）

来“分解”字典：

(df.join(pd.DataFrame(df.pop('Sub_Marks').to_list()))
   .melt(id_vars='Name', value_vars=['Maths', 'English', 'Science'], var_name='Subject', value_name='Marks')
   .sort_values('Name')
).reset_index(drop=True)

输出：

    Name  Subject  Marks
0  Harry    Maths     35
1  Harry  English     30
2  Harry  Science     25
3   Nick    Maths     32
4   Nick  English     23
5   Nick  Science     20
6    Tom    Maths     30
7    Tom  English     40
8    Tom  Science     35

---

我们可以通过迭代列表中dataframe的值来创建一个包含

名称

、

标记

和

主题

的元组列表，然后我们可以从这个元组列表中创建一个新的dataframe

out = pd.DataFrame([(n, k, v) for (n, d) in df.values for k, v in d.items()])
out.columns = ['Name', 'Subject', 'Marks']

备选

pandas

方法

m = pd.DataFrame([*df['Sub_Marks']], df.index).stack()\
      .rename_axis([None,'Subject']).reset_index(1, name='Marks')

out = df[['Name']].join(m)

---

---

您可以仅从

字典中提取值，然后将其展开为多列，如下所示：

data = {'Name' : ['Tom', "Harry", "Nick"], "Sub_Marks" : [{'Maths': 30, 'English': 40, 'Science': 35},{'Maths': 35, 'English': 42, 'Science': 31},{'Maths': 20, 'English': 14, 'Science': 65}]}
df = pd.DataFrame(data)

df[['Maths','English', 'Science']] = df['Sub_Marks'].apply(pd.Series)
df.drop(columns=['Sub_Marks'], inplace=True)
df = df.set_index('Name').stack().reset_index()
df.columns = ['Name', 'Subject', 'Marks']

通过
explode
-

df['Marks'] = df['Sub_Marks'].apply(lambda x: x.values())
df = df.apply(pd.Series.explode).rename(columns = {'Sub_Marks': 'Subject'})

您可能需要首先使用
ast.literal\u eval
（如果上述方法不起作用）-

哇！我喜欢你的解决方案。那个拆包很聪明。你可以解释一下
*df['Sub_Marks']
部分发生了什么吗？
*
用于将列
Sub_Marks
解包为
列表
，因此，除了使用
[*df['Sub_Marks']
之外，你还可以使用
列表（df['Sub_Marks']））
无需使用
apply
+
dict.values
，从字典列表创建一个新的数据帧会自动处理该问题；）@ShubhamSharma哦。我不确定它是否有，因为它在专栏中仍然向我显示了一个dict。但是，
apply（pd.Series）
也可以工作。
pd.DataFrame（list（df['Sub_Marks'））
将字典列表扩展到一个数据框架中，其中该框架中的列名对应字典列表中的所有唯一键，一般来说，你应该避免使用
apply
+
pd.Series
，因为这是一个计算成本更高的操作：）啊，我知道了。我想我之前误解了。另外，我不知道
apply
+
pd.Series
在计算上很昂贵。谢谢你，先生：）
df['Marks'] = df['Sub_Marks'].apply(lambda x: x.values())
df = df.apply(pd.Series.explode).rename(columns = {'Sub_Marks': 'Subject'})

import ast
df['Sub_Marks'] = df['Sub_Marks'].apply(ast.literal_eval)