輸入數據框列表。每個數據幀可以有不同的長度，總列數也可以不同。每個數據框都有一個名為“special”的列。除此特殊列外，其他列名稱在該列表中將是唯一的。df_1 = pd.DataFrame({"column1":["1","2","3"], "column2":["4","5","6"], "special":["1000","2000","3000"]})df_2 = pd.DataFrame({"column3": ["1","2","3","4"], "column4": ["8","9","10","11"], "column5":["12","13","14","15"],"special":["1000","2000","3000","4000"]})df_list = [df_1,df_2]輸出字典列表，其中每個字典都有 3 個固定鍵：name、value和special。這是 df_list 僅包含 df_1 時的預期輸出。提到這一點是為了簡化：[{'name': 'column1', 'value': '1', 'special': '1000'}, {'name': 'column1', 'value': '2', 'special': '2000'}, {'name': 'column1', 'value': '3', 'special': '3000'}, {'name': 'column2', 'value': '4', 'special': '1000'}, {'name': 'column2', 'value': '5', 'special': '2000'}, {'name': 'column2', 'value': '6', 'special': '3000'}]當前代碼我已經能夠使用數據框上的 apply() 方法來做到這一點，但我懷疑可能會有更好的方法。這是我現在的做法：for data_frame in df_list: for column in data_frame: if column != "special": result.extend(data_frame.apply(lambda x:{"name":column,"value":x[column],"special":x["special"]},axis=1).to_list())你能建議任何優化或不同的方法嗎？我還考慮過連接所有數據幀并僅運行內部循環，但由于它們的長度不盡相同，因此會有很多 NaN 值。那會是處理這個問題的更好方法嗎？
2 回答
搖曳的薔薇
TA貢獻1793條經驗 獲得超6個贊
IIUc，你可以試試concat+ melt：
print(pd.concat(df_list,sort=False).melt('special',var_name='name')
.dropna(subset=['value'])[['name','value','special']].to_dict('records'))[{'name': 'column1', 'value': '1', 'special': '1000'}, {'name': 'column1', 'value': '2', 'special': '2000'}, {'name': 'column1', 'value': '3', 'special': '3000'}, {'name': 'column2', 'value': '4', 'special': '1000'}, {'name': 'column2', 'value': '5', 'special': '2000'}, {'name': 'column2', 'value': '6', 'special': '3000'}, {'name': 'column3', 'value': '1', 'special': '1000'}, {'name': 'column3', 'value': '2', 'special': '2000'}, {'name': 'column3', 'value': '3', 'special': '3000'}, {'name': 'column3', 'value': '4', 'special': '4000'}, {'name': 'column4', 'value': '8', 'special': '1000'}, {'name': 'column4', 'value': '9', 'special': '2000'}, {'name': 'column4', 'value': '10', 'special': '3000'}, {'name': 'column4', 'value': '11', 'special': '4000'}, {'name': 'column5', 'value': '12', 'special': '1000'}, {'name': 'column5', 'value': '13', 'special': '2000'}, {'name': 'column5', 'value': '14', 'special': '3000'}, {'name': 'column5', 'value': '15', 'special': '4000'}]
莫回無
TA貢獻1865條經驗 獲得超7個贊
# Create an empty list
melted_df = []
# Melt all the dfs in your list into a dataframe
for dataframe in df_list:
temp = dataframe.melt(var_name="name",
id_vars=["special"],
value_name="value")
# Append the melted dfs into your list
melted_df.append(temp)
# Concatenate the dfs in the list
result = pd.concat(melted_df)
# Convert the df into dictionary
result.to_dict(orient='records')
輸出：
[{'special': '1000', 'name': 'column1', 'value': '1'},
{'special': '2000', 'name': 'column1', 'value': '2'},
{'special': '3000', 'name': 'column1', 'value': '3'},
{'special': '1000', 'name': 'column2', 'value': '4'},
{'special': '2000', 'name': 'column2', 'value': '5'},
{'special': '3000', 'name': 'column2', 'value': '6'},
{'special': '1000', 'name': 'column3', 'value': '1'},
{'special': '2000', 'name': 'column3', 'value': '2'},
{'special': '3000', 'name': 'column3', 'value': '3'},
{'special': '4000', 'name': 'column3', 'value': '4'},
{'special': '1000', 'name': 'column4', 'value': '8'},
{'special': '2000', 'name': 'column4', 'value': '9'},
{'special': '3000', 'name': 'column4', 'value': '10'},
{'special': '4000', 'name': 'column4', 'value': '11'},
{'special': '1000', 'name': 'column5', 'value': '12'},
{'special': '2000', 'name': 'column5', 'value': '13'},
{'special': '3000', 'name': 'column5', 'value': '14'},
{'special': '4000', 'name': 'column5', 'value': '15'}]
添加回答
舉報
0/150
提交
取消