Pandas：将特定行的字典列表分解为多行

Question

正如标题所示，我陷入了一种需要将数据帧的一行分解为多行的情况。

数据框的当前状态：

import pandas as pd

op_d = {'A': [['NULL', 'NULL','NULL','NULL','NULL']],

        'V':[[{'2016': '488.386000'},{'2017': '469.508000'},

              {'2018': '445.510000'},{'2019': '579.299000'},

              {'2020': '493.786000'}]],

        'Q':[[{'2016': '488.386000'},{'2017': '469.508000'},

              {'2018': '445.510000'},{'2019': '579.299000'},

               {'2020': '493.786000'}]],

         'Z': [['NULL', 'NULL','NULL','NULL','NULL']]}

df = pd.DataFrame(op_d)

数据框的期望状态：

op_d2 = {'Date':[2016,2017,2018,2019,2020],'A': ['NULL', 'NULL','NULL','NULL','NULL'],

        'V':[488.386000,469.508000,445.510000,579.299000,493.786000],

        'Q':[488.386000,469.508000,445.510000,579.299000,493.786000],

        'Z': ['NULL', 'NULL','NULL','NULL','NULL']}

result_df = pd.DataFrame(op_d2)

result_df

我所做的是将字典的键放入单独的“日期”列中，并保持列的值不变。无论它是 NULL，它都将保持原样。

所有列都会有类似的字典。即相同的日期范围。

我收到 json 格式的原始响应，将其转换为数据帧以执行一些计算。我将不胜感激任何帮助。

原始 json 响应：

  { 'Prop1': '',

   'Prop2': ['Somedata', 'SomeData2'],

   'Prop3': 5,

   'Prop4': '',

   'StartDate': '',

   'Function': 'ABC',

   'Identifier': 'ID001',

   'Col2': 2,

   'Prop5': 'XYZ',

   'Frequency': '',

   'Limit': '',

   'Rows': [{'Row': ['136.731000', '2016']},

            {'Row': ['135.331000', '2017']},

            {'Row': ['163.965000', '2018']},

            {'Row': ['153.371000', '2019']},

            {'Row': ['161.864000', '2020']}]},

}

Answer 1

虽然我无法对效率做出任何声明，但也许这可以满足您的需求。op_d_new = {k:(v[0] if v[0][0]=='NULL' else \               [list(j.values())[0] for j in v[0]]) for k,v in op_d.items()}for v in op_d.values():    if v[0][0] == 'NULL':        continue    dates = [list(j.keys())[0] for j in v[0]]    breakop_d_new.update({'Dates':dates})df = pd.DataFrame(op_d_new)df      A           V           Q     Z Dates0  NULL  488.386000  488.386000  NULL  20161  NULL  469.508000  469.508000  NULL  20172  NULL  445.510000  445.510000  NULL  20183  NULL  579.299000  579.299000  NULL  20194  NULL  493.786000  493.786000  NULL  2020