Python 如何获取字典值列表的列，并使用它们的值（而不是键）创建新列
我正在分析ProPublica发布的Facebook上的政治广告 我想分析一整列的Python 如何获取字典值列表的列，并使用它们的值（而不是键）创建新列,python,pandas,json-normalize,Python,Pandas,Json Normalize,我正在分析ProPublica发布的Facebook上的政治广告 我想分析一整列的'targets'，但它的格式是，每个观察都是列表的dicts，以string的形式（例如“[{k1:v1}，{k2:v2}]”） 我需要将每个“target”值分隔成列标题，每个相应的“segment”值成为该列中的一个值 或者，解决方案是创建一个函数，调用每行中的每个字典键，计算频率 这就是它作为输出的样子： NAge MinAge
'targets'列表的dicts
，以string
的形式（例如“[{k1:v1}，{k2:v2}]”
）
我需要将每个“target”
值
分隔成列标题，每个相应的“segment”
值
成为该列中的一个值
或者，解决方案是创建一个函数，调用每行中的每个字典键，计算频率
这就是它作为输出的样子：
NAge MinAge Retargeting Region ... Interest Location Granularity Country Gender NAge MinAge Retargeting Region ... Interest Location Granularity Country Gender
0 21 and older 21 people who may be similar to their customers the United States ... NaN NaN NaN NaN
1 18 and older 18 NaN NaN ... Republican Party (United States) country the United States NaN
2 18 and older 18 NaN NaN ... NaN country the United States women```
Reddit上有人发布了此解决方案：
导入json
对于id，枚举中的行（df.targets）：
对于json.loads（行）中的d：
df.loc[id，d['target']]=d['segment']
df=df.drop（列=['targets']）
---------------------------------------------------------------------------
KeyError回溯（最近一次呼叫最后一次）
在里面
2对于id，枚举中的行（df.targets）：
3表示json.loads（行）中的d：
---->4 df.loc[id，d['target']]=d['segment']
5.
6 df=df.drop（列=['targets']）
KeyError:'段'
def fix（）
未矢量化，即使如此，应用到文件中的222186行只需591毫秒- 使用
.fillna（）
替换列中的NaN
，否则literal\u eval
将导致ValueError:格式错误的节点或字符串：NaN
- 将
'null'
替换为'None'
，否则literal\u eval
将导致ValueError:格式错误的节点或字符串：
'targets'
行中的值都是str
类型，可以通过ast.literal\u eval
转换为列表
def fix（）
迭代列表中的目录
，然后仅使用值
在目录
中创建键值
对，从而将目录
的每个列表
转换为单个目录
。
- 空的
列表
替换为空的目录
，这是.json\u normalize（）
处理列所必需的
pandas.json\u normalized（）
可以轻松地在列上使用- 另请参阅，了解使用相同数据的替代方法。
- 如中所示，当使用
.groupby
和聚合.count（）
将'targets'
列展开（整齐的格式）时，实际上更容易获得所有唯一计数
将熊猫作为pd导入
从ast导入文字值
#加载文件
df=pd.read\u csv（'en-US.csv'）
#将NAN替换为“[]”，否则文字评估将出错
df.targets=df.targets.fillna（“[]”）
#将null替换为None，否则literal_eval将出错
df.targets=df.targets.str.replace（'null'，'None'）
#将字符串转换为dict列表
df.targets=df.targets.apply（文本值）
#函数转换每行中的dict列表
def固定（col）：
dd=dict（）
对于col中的d：
值=列表（d.值（））
如果len（值）==2：
dd[值[0]]=值[1]
返回dd
#将函数应用于目标
df.targets=df.targets.apply（修复）
#显示（df.targets.head（））
目标
0{'Age'：'18岁及以上，'MinAge'：'18'，'Segment'：'Multicultural African American（美国）。'，'Region'：'the United States'}
1{‘年龄’：‘45岁及以上’，‘MinAge’：‘45’，‘重新定位’：‘可能与其客户相似的人’，‘地区’：‘美国’}
2{‘年龄’：‘18岁及以上’，‘米纳奇’：‘18’，‘地区’：‘德克萨斯’}
3 {}
4{‘兴趣’：‘华盛顿邮报’，‘性别’：‘男性’，‘年龄’：‘34至49’，‘米纳奇’：‘34’，‘马克萨奇’：‘49’，‘地区’：‘美国’}
#规范化目标列
normalized=pd.json\u normalize（df.targets）
#如果需要，将标准化后的数据连接回df
df=df.join（normalized.drop）（列=['targets']）
标准化
宽格式，用于示例数据
#显示（normalized.head（））
年龄最小分段区域重定目标兴趣性别最大年龄
0 18岁及18岁以上的多文化亲和力：非裔美国人（美国）。美国南部
1 45岁及45岁以上的美国人，他们可能与其客户相似
2 18岁及18岁以上德克萨斯州南部
3楠楠楠楠楠楠楠楠
4 34至49 34南美国南华盛顿邮报男子49
标准化
宽格式，用于完整数据集
- 从
.info（）
中可以看到，目标
列包含许多不同的键
，但并非所有行都包含所有的键
NAge MinAge Retargeting Region ... Interest Location Granularity Country Gender NAge MinAge Retargeting Region ... Interest Location Granularity Country Gender
0 21 and older 21 people who may be similar to their customers the United States ... NaN NaN NaN NaN
1 18 and older 18 NaN NaN ... Republican Party (United States) country the United States NaN
2 18 and older 18 NaN NaN ... NaN country the United States women```