Python 确定跨行的唯一字典键

我有一个数据帧，其中每一行都是一个字典，但是每个字典中的键都不同。我想迭代每一行，得到一个包含所有唯一键的列表。有人知道怎么做吗

我试过这个密码

np.unique(np.array(train.totals.apply(lambda x: ast.literal_eval(x).keys())))

但这会产生dict_keys（）的唯一组合，而不是唯一的键组合

例如，假设我有两行。如上所述，每行的列值是一个字典。第1行的字典键是水果和蔬菜，第2行的字典键是水果、蔬菜和谷物

上面的代码将产生

dict_keys(['fruit','vegetable']) 

及

但是，我希望输出只是一个包含水果、蔬菜和谷物的列表或数组（跨行显示的唯一键）

编辑：添加了dataframe的屏幕截图

edit2：下面的代码示例

import pandas as pd 
import numpy as np
import ast

dummy_data = [['A',str({"pageviews":"1","hits":"1"})],['B',str({"pageviews":"1","visits":"1"})]]
dummy_df = pd.DataFrame(dummy_data,columns = ['ID','totals'])

np.unique(np.array(dummy_df.totals.apply(lambda x: ast.literal_eval(x).keys())))

---

只需迭代并添加到集合：

In [1]: import pandas as pd
   ...: import numpy as np
   ...: import ast
   ...:
   ...: dummy_data = [['A',str({"pageviews":"1","hits":"1"})],['B',str({"pageviews":"1","visits":"1"})]]
   ...: dummy_df = pd.DataFrame(dummy_data,columns = ['ID','totals'])
   ...:
   ...:

In [2]: dummy_df
Out[2]:
  ID                             totals
0  A    {'pageviews': '1', 'hits': '1'}
1  B  {'pageviews': '1', 'visits': '1'}

In [3]: uniq = set()
   ...: for x in dummy_df.totals:
   ...:     uniq.update(ast.literal_eval(x))
   ...:

In [4]: uniq
Out[4]: {'hits', 'pageviews', 'visits'}

---

考虑到数据的结构，这可能是您能做的最好的了。

您能提供一些代码来生成df或MCVE吗？欢迎使用StackOverflow。请按照您创建此帐户时的建议，阅读并遵循帮助文档中的发布指南。适用于这里。在您发布MCVE代码并准确描述问题之前，我们无法有效地帮助您。我们应该能够将您发布的代码粘贴到文本文件中，并重现您描述的问题。“我有一个数据框，其中每一行都是一个字典”可能不是一个好的设计选择。由于您几乎已经排除了有效执行此操作的任何机会，只需迭代每一行，并将所有键添加到

集合

@juanpa.arrivillaga，我正试图这样做，但我不知道如何获得字典的

df

。我一直得到一个扁平的数据帧-/@juanpa数据集不是我的，由第三方提供；）

In [1]: import pandas as pd
   ...: import numpy as np
   ...: import ast
   ...:
   ...: dummy_data = [['A',str({"pageviews":"1","hits":"1"})],['B',str({"pageviews":"1","visits":"1"})]]
   ...: dummy_df = pd.DataFrame(dummy_data,columns = ['ID','totals'])
   ...:
   ...:

In [2]: dummy_df
Out[2]:
  ID                             totals
0  A    {'pageviews': '1', 'hits': '1'}
1  B  {'pageviews': '1', 'visits': '1'}

In [3]: uniq = set()
   ...: for x in dummy_df.totals:
   ...:     uniq.update(ast.literal_eval(x))
   ...:

In [4]: uniq
Out[4]: {'hits', 'pageviews', 'visits'}