Python：字典键值与panda值的平均值

我有一个相当复杂的数据结构，即panda数据框架中的字典。假设我有这个数据帧

trials_ = [1,2,1,2]
stimul_ = [1,1,2,2]
data_ = [[{'peak_voltage': [30.5, 65], 'Spikecount': [2]}], [{'peak_voltage': [30.5, 65, 30], 'Spikecount': [3]}], [{'peak_voltage': [20.1], 'Spikecount': [1]}], 'NaN']
featve  = pd.DataFrame({'trial': trials_, 'stimulus': stimul_, 'data': data_})
featve

    data                                                stimulus    trial
0   [{'peak_voltage': [30.5, 65], 'Spikecount': [2]}]   1           1 
1   [{'peak_voltage': [30.5, 65, 30], 'Spikecount'...   1           2
2   [{'peak_voltage': [20.1], 'Spikecount': [1]}]       2           1
3   NaN                                                 2           2

dict_data = defaultdict(list)

for idx in range(len(data_)):
     if isinstance(data_[idx], list):
         for sub in data_[idx]:
             repeats = len(sub['peak_voltage'])
             data_dict['peak_voltage'] += sub['peak_voltage']
             data_dict['Spikecount'] += sub['Spikecount'] * repeats
             data_dict['trial'] += [trials_[idx]] * repeats
             data_dict['stimulus'] += [stimul_[idx]] * repeats
     else:
         data_dict['peak_voltage'].append('NaN')
         data_dict['Spikecount'].append('NaN')
         data_dict['trial'] += [trials_[idx]]
         data_dict['stimulus'] += [stimul_[idx]]

pd.DataFrame(data_dict)
  Spikecount peak_voltage  stimulus  trial
0          2         30.5         1      1
1          2           65         1      1
2          3         30.5         1      2
3          3           65         1      2
4          3           30         1      2
5          1         20.1         2      1
6        NaN          NaN         2      2

现在，我想在我的“数据”列（这里是峰值电压和峰值计数）中计算我字典中每个关键元素在所有试验中的中位数和25%/75%四分位数

中位数的一个例子： 我想要在所有试验[30.5,65,20.1]>30.5中应用刺激1时的中值峰值电压值。当应用刺激2时，情况相同[30.5,65,30,NaN]>30.5。当然，穗数也是如此

老实说，我不知道从哪里开始。如果我只想计算中位数而不考虑simulus，我只需要使用

featve.data.median

但这不是我想要的。另外，如果我没有字典，只有数字，我会用类似的东西

featve.groupby('stimulus').data.apply(np.nanmedian)  

但在熊猫桌上放着字典的情况下，我能做些什么呢

编辑1

---

我有10个刺激，每个16个试验，总共160行。字典是一个工具箱的输出，我用它来查找我的数据轨迹的某些特征（例如神经元动作电位峰值的时间）。我决定在一个熊猫数据框中组织生成的160个词典，以便同时跟踪数据、刺激和试验。首先，我不知道这是否不幸。

对于您提出的问题，我建议您重新构建数据帧。而不是使用以下内容构建

featve

：

data_ = [[{'peak_voltage': [30.5, 65], 'Spikecount': [2]}], [{'peak_voltage': [30.5, 65, 30], 'Spikecount': [3]}], [{'peak_voltage': [20.1], 'Spikecount': [1]}], 'NaN']

data_ = {'peak_voltage': [30.5, 65, 30.5, 65, 30, 20.1, np.nan], 'Spikecount': [2,2,3,3,3,1, np.nan], 'trials': [1,1,2,2,2,1,2], 'stimulus': [1,1,1,1,1,2,2]}
featve = pd.DataFrame(data_)

结果是以下数据帧：

   Spikecount  peak_voltage  stimulus  trials
0         2.0          30.5         1       1
1         2.0          65.0         1       1
2         3.0          30.5         1       2
3         3.0          65.0         1       2
4         3.0          30.0         1       2
5         1.0          20.1         2       1
6         NaN           NaN         2       2

在这个数据帧上，您可以像平常一样对中位数进行分组和计算

e、 g

更新

我理解人们对没有“好”数据的担忧。给定一个遵循

数据

格式的严格构造，您可以使用它来获得更好的数据帧

trials_ = [1,2,1,2]
stimul_ = [1,1,2,2]
data_ = [[{'peak_voltage': [30.5, 65], 'Spikecount': [2]}], [{'peak_voltage': [30.5, 65, 30], 'Spikecount': [3]}], [{'peak_voltage': [20.1], 'Spikecount': [1]}], 'NaN']
featve  = pd.DataFrame({'trial': trials_, 'stimulus': stimul_, 'data': data_})
featve

    data                                                stimulus    trial
0   [{'peak_voltage': [30.5, 65], 'Spikecount': [2]}]   1           1 
1   [{'peak_voltage': [30.5, 65, 30], 'Spikecount'...   1           2
2   [{'peak_voltage': [20.1], 'Spikecount': [1]}]       2           1
3   NaN                                                 2           2

dict_data = defaultdict(list)

for idx in range(len(data_)):
     if isinstance(data_[idx], list):
         for sub in data_[idx]:
             repeats = len(sub['peak_voltage'])
             data_dict['peak_voltage'] += sub['peak_voltage']
             data_dict['Spikecount'] += sub['Spikecount'] * repeats
             data_dict['trial'] += [trials_[idx]] * repeats
             data_dict['stimulus'] += [stimul_[idx]] * repeats
     else:
         data_dict['peak_voltage'].append('NaN')
         data_dict['Spikecount'].append('NaN')
         data_dict['trial'] += [trials_[idx]]
         data_dict['stimulus'] += [stimul_[idx]]

pd.DataFrame(data_dict)
  Spikecount peak_voltage  stimulus  trial
0          2         30.5         1      1
1          2           65         1      1
2          3         30.5         1      2
3          3           65         1      2
4          3           30         1      2
5          1         20.1         2      1
6        NaN          NaN         2      2

---

首先，我不知道你为什么要把你的字典放在列表中，但我建议你的数据有一个没有它们的版本。另外，如果您的大多数数据都是以字典的形式存在，那么我建议您也将缺少的数据以字典的形式存在。一旦这样做，您就可以将

数据

放入数据帧中。所以

my_data=pd.DataFrame（[{'peak_voltage'：[30.5,65]，'Spikecount'：[2]}，{'peak_voltage'：[30.5,65,30]，'Spikecount'：[3]}，{'peak_voltage'：[20.1]，'Spikecount'：[1]}，{/code>

然后，您可以有一个数据帧，即
刺激
和
试验
：

stimulus\u-trial\u-df=pd.DataFrame（{'trial'：trials，'stimul'：stimul}）

接下来，您可以在
stiumlus\u-trial\u-df的属性上切片
my\u数据
：

subset1=my\u data.loc[stimulation\u trial\u df['stimulation']==1]

注意，您必须确保您的两个数据帧具有一致的索引，这样才能工作

一旦有了
subset1
，就可以展平其中的列：

spikecount\u agg=[subset1行的spikecount['spikecount']行的spikecount]

最后，可以对展平列执行任何操作：

import statistics
current_median = statistics.median(spikecount_agg)

最后一点注意：您在问题中输入了
[30.5,65,20.1]->30.5
，但您的数据有两份
30.5
和
65
。在这种特殊情况下，这不会改变中间值，但您应该考虑是否要考虑数据中的多个副本。我的代码包含它们，因此如果您不需要它们，您必须调整代码

编辑：
关于不同刺激的子集，一个for循环就足够了。如果你有一个包含独特刺激的物体，你可以在上面循环；如果您没有，您可以使用
unique\u stimuli=set（stimul\u）
生成它：

你的答案是假设数据是“好”的形式：每行的峰值计数和峰值电压的多重性是相同的，等等？你的答案将数据放在一种比我的答案在许多方面更干净的形式，但它不太一般。如果OP只是处理呈现的数据，他们可以一字不差地复制您的答案，但如果他们获得更多数据，调整您的答案将非常重要（调整我的答案可能也很重要，但可能不那么重要）。您可能希望提供将OP数据转换为表单的代码，而不仅仅是手动转换。谢谢您的输入！我正在使用一个名为EFEL（）的工具箱来提取数据跟踪的特定特征。输出是一个字典，如我的示例所示。我总共做了160次（10次刺激，每次16次试验），并将所有字典存储在熊猫数据框中，如上图所示。这意味着字典结构是给定的。所以我需要以不同的方式解决这个问题，或者以某种方式重建我的字典。@accumulation你提出了一个合理的担忧。我更新了答案，以解决加载不太好数据的更一般情况。谢谢您的想法！我使用列表是因为python会抛出
ValueError:与Series不兼容的索引器。我将字典放在for循环中的数据帧中。无论如何我是否正确理解您的解决方案，即我需要为每个刺激集手动创建子集？那会很累，因为我有10个刺激（也许我应该在我的帖子中提到，我会编辑它）。关于你的最后一个注释：我在上面的例子中使用了任意数字。但是如果我的数据中有两个相同的数字，我会考虑两者。所以很高兴您已经包含了它们。@Svenno-Nito：您可以在子集代码中放入一个变量，而不是一个固定值。我编辑了我的答案来澄清。您还可以在for循环中执行for循环，在[25,50,75]
中对p循环
p，然后取pth百分位。