從嵌套字典中的專案構造一個PandasDataFrame，串列作為內部值

我有一個annot_dict帶有結構的嵌套字典：

• 鍵 = 長唯一字串
• 值 = 字典串列

值，字典串列，每個都有結構：

• key = 長唯一字串（上層字典鍵的子類別）
• 值 = 五個字串項的串列

整個結構的一個例子是：

annot_dict['ID_string'] = [
     {'ID_string': ['attr1a', 'attr1b', 'attr1c', 'attr1d', 'attr1e']},
     {'string2'  : ['attr2a', 'attr2b', 'attr2c', 'attr2d', 'attr2e']},
     {'string3'  : ['attr3a', 'attr3b', 'attr3c', 'attr3d', 'attr3e']},
             ]

在ID_string相同的第一子辭典鍵。這是我撰寫的 gff3 檔案決議器函式的輸出，真正的字典資訊是來自人類 9 號染色體基因組的基因 ( ID_string) 和轉錄本 ( string2, string3,...)，如果有人熟悉該檔案型別的結構的話. 屬性串列描述了生物型、起始索引、結束索引、鏈和描述。

我現在想把這些資訊放到一個 Pandas DataFrame 中。我想遍歷ID_stringdict 中最外層的鍵（s）以制作一個大的 DataFrame，其中每個鍵都包含一行，ID_string以及它下面的每個子類別的行（string2, string3）。

我希望它看起來像這樣：

| subunit_ID |  gene_ID  | start_index | end_index | strand |biotype | desc   |
|------------|-----------|-------------|-----------|--------|--------|--------|
|'ID_string' |'ID_string'|  'attr1a'   | 'attr1b'  |'attr1c'|'attr1d'|'attr1e'|
| 'string2'  |'ID_string'|  'attr2a'   | 'attr2b'  |'attr2c'|'attr2d'|'attr2e'|
| 'string3'  |'ID_string'|  'attr3a'   | 'attr3b'  |'attr3c'|'attr3d'|'attr3e'|

我確實看過其他答案，但沒有一個答案與我的 dict 結構完全相同。這是我關于 SO 的第一個問題，所以請隨時提高我的問題的可理解性。提前致謝。

uj5u.com熱心網友回復：

你可以這樣做：

df =  pd.DataFrame(
    (
        [subkey, key]   value
        for key, records in annot_dict.items()
        for record in records
        for subkey, value in record.items()
    ),
    columns=[
        'subunit_ID', 'gene_ID', 'start_index', 'end_index', 'strand','biotype', 'desc'
    ]
)

結果為

annot_dict = {
    'ID_string1': [
        {'ID_string1': ['attr11a', 'attr11b', 'attr11c', 'attr11d', 'attr11e']},
        {'string12'  : ['attr12a', 'attr12b', 'attr12c', 'attr12d', 'attr12e']},
        {'string13'  : ['attr13a', 'attr13b', 'attr13c', 'attr13d', 'attr13e']},
    ],
    'ID_string2': [
        {'ID_string2': ['attr21a', 'attr21b', 'attr21c', 'attr21d', 'attr21e']},
        {'string22'  : ['attr22a', 'attr22b', 'attr22c', 'attr22d', 'attr22e']},
        {'string23'  : ['attr23a', 'attr23b', 'attr23c', 'attr23d', 'attr23e']},
    ]
}

是

   subunit_ID     gene_ID start_index end_index   strand  biotype     desc
0  ID_string1  ID_string1     attr11a   attr11b  attr11c  attr11d  attr11e
1    string12  ID_string1     attr12a   attr12b  attr12c  attr12d  attr12e
2    string13  ID_string1     attr13a   attr13b  attr13c  attr13d  attr13e
3  ID_string2  ID_string2     attr21a   attr21b  attr21c  attr21d  attr21e
4    string22  ID_string2     attr22a   attr22b  attr22c  attr22d  attr22e
5    string23  ID_string2     attr23a   attr23b  attr23c  attr23d  attr23e

uj5u.com熱心網友回復：

您可以使用串列理解將 dicts 扁平化為包含 dict 鍵作為專案的串列，然后將其加載到 Pandas：

import pandas as pd

annot_dict = {}
annot_dict['ID_string'] = [
     {'ID_string': ['attr1a', 'attr1b', 'attr1c', 'attr1d', 'attr1e']},
     {'string2'  : ['attr2a', 'attr2b', 'attr2c', 'attr2d', 'attr2e']},
     {'string3'  : ['attr3a', 'attr3b', 'attr3c', 'attr3d', 'attr3e']},
             ]

df = pd.DataFrame([[k] list(annot_dict['ID_string'][0].keys()) v for i in annot_dict['ID_string'] for k, v in i.items()], columns=['subunit_ID','gene_ID','start_index','end_index','strand','biotype','desc'])

輸出：

標籤：Python 熊猫 数据框 字典

上一篇：字數分布熊貓資料框

下一篇：為什么當我將Pandas資料框用作具有多處理功能的函式的輸入時它不會改變