Создание dataframe из словаря, где записи имеют разную длину

Скажем, у меня есть словарь с 10 парами ключ-значение. Каждая запись содержит массив numpy. Однако длина массива не одинакова для всех из них.

Как создать фреймворк данных, где каждый столбец содержит другую запись?

Когда я пытаюсь:

pd.DataFrame(my_dict)

Я получаю:

ValueError: arrays must all be the same length

Любой способ преодолеть это? Я рад, что Pandas использовал NaN для заполнения этих столбцов для более коротких записей.

Ответ 1

В Python 3.x:

In [6]: d = dict( A = np.array([1,2]), B = np.array([1,2,3,4]) )

In [7]: DataFrame(dict([ (k,Series(v)) for k,v in d.items() ]))
Out[7]: 
    A  B
0   1  1
1   2  2
2 NaN  3
3 NaN  4

В Python 2.x:

замените d.items() на d.iteritems().

Ответ 2

Вот простой способ сделать это:

In[20]: my_dict = dict( A = np.array([1,2]), B = np.array([1,2,3,4]) )
In[21]: df = pd.DataFrame.from_dict(my_dict, orient='index')
In[22]: df
Out[22]: 
   0  1   2   3
A  1  2 NaN NaN
B  1  2   3   4
In[23]: df.transpose()
Out[23]: 
    A  B
0   1  1
1   2  2
2 NaN  3
3 NaN  4

Ответ 3

Ниже приведен способ привести в порядок ваш синтаксис, но, в сущности, сделать то же самое, что и в других ответах:

>>> mydict = {'one': [1,2,3], 2: [4,5,6,7], 3: 8}

>>> dict_df = pd.DataFrame({ key:pd.Series(value) for key, value in mydict.items() })

>>> dict_df

   one  2    3
0  1.0  4  8.0
1  2.0  5  NaN
2  3.0  6  NaN
3  NaN  7  NaN

Аналогичный синтаксис существует и для списков:

>>> mylist = [ [1,2,3], [4,5], 6 ]

>>> list_df = pd.DataFrame([ pd.Series(value) for value in mylist ])

>>> list_df

     0    1    2
0  1.0  2.0  3.0
1  4.0  5.0  NaN
2  6.0  NaN  NaN

Другой синтаксис для списков:

>>> mylist = [ [1,2,3], [4,5], 6 ]

>>> list_df = pd.DataFrame({ i:pd.Series(value) for i, value in enumerate(mylist) })

>>> list_df

   0    1    2
0  1  4.0  6.0
1  2  5.0  NaN
2  3  NaN  NaN

Во всех этих случаях вы должны быть осторожны, чтобы проверить, какой тип данных pandas будет угадывать для ваших столбцов. Столбцы, содержащие любые (отсутствующие) значения NaN, будут преобразованы, например, в число с плавающей точкой.

Ответ 4

Хотя это напрямую не отвечает на вопрос ОП. Я нашел это отличным решением для моего случая, когда у меня были неравные массивы, и я хотел бы поделиться:

из pandas документации

In [31]: d = {'one' : Series([1., 2., 3.], index=['a', 'b', 'c']),
   ....:      'two' : Series([1., 2., 3., 4.], index=['a', 'b', 'c', 'd'])}
   ....: 

In [32]: df = DataFrame(d)

In [33]: df
Out[33]: 
   one  two
a    1    1
b    2    2
c    3    3
d  NaN    4

Ответ 5

Вы также можете использовать pd.concat по axis=1 со списком объектов pd.Series:

import pandas as pd, numpy as np

d = {'A': np.array([1,2]), 'B': np.array([1,2,3,4])}

res = pd.concat([pd.Series(v, name=k) for k, v in d.items()], axis=1)

print(res)

     A  B
0  1.0  1
1  2.0  2
2  NaN  3
3  NaN  4

Ответ 6

Обе следующие строки работают отлично:

pd.DataFrame.from_dict(df, orient='index').transpose() #A

pd.DataFrame(dict([ (k,pd.Series(v)) for k,v in df.items() ])) #B (Better)

Но с% timeit на Jupyter у меня есть соотношение скорости 4x для B против A, что весьма впечатляет, особенно при работе с огромным набором данных (в основном с большим количеством столбцов/функций).

Ответ 7

Если вы не хотите, чтобы он отображал NaN, и у вас есть две конкретные длины, добавление "пробела" в каждую оставшуюся ячейку также будет работать.

import pandas

long = [6, 4, 7, 3]
short = [5, 6]

for n in range(len(long) - len(short)):
    short.append(' ')

df = pd.DataFrame({'A':long, 'B':short}]
# Make sure Excel file exists in the working directory
datatoexcel = pd.ExcelWriter('example1.xlsx',engine = 'xlsxwriter')
df.to_excel(datatoexcel,sheet_name = 'Sheet1')
datatoexcel.save()

   A  B
0  6  5
1  4  6
2  7   
3  3   

Если у вас есть более 2 длин записей, рекомендуется создать функцию, которая использует аналогичный метод.