如何在python中展平数据numpy.ndarray答案

【问题标题】：How to flatten data numpy.ndarray in python如何在python中展平数据numpy.ndarray
【发布时间】：2020-12-13 15:27:24
【问题描述】：

我有一个如下所示的 numpy.ndarray 数据，我想将其展平以便可以对其进行操作。请在下面找到我的示例数据：

sample_data=[list([{'region': 'urn:li:region:9194', 'followerCounts': {'organicFollowerCount': 157, 'paidFollowerCount': 0}}, {'region': 'urn:li:region:7127', 'followerCounts': {'organicFollowerCount': 17, 'paidFollowerCount': 0}}])]

我尝试使用以下代码，但还没有成功：

sample.flatter()

想要的输出如下：

region                 organicFollowerCount   paidFollowerCount

urn:li:region:9194    157                          0
urn:li:region:7127    17                           0

谁能帮我实现这个目标？

【问题讨论】：

标签： python list dataframe dictionary flatten

【解决方案1】：

这是一种使用pd.json_normalize的方法：

import pandas as pd

# note that `sample data` has been modified into a list of dictionaries
sample_data = [
    {'region': 'urn:li:region:9194', 
     'followerCounts': {'organicFollowerCount': 157, 'paidFollowerCount': 0}}, 
    {'region': 'urn:li:region:7127', 
     'followerCounts': {'organicFollowerCount': 17, 'paidFollowerCount': 0}}
]

现在，将列表中的每个项目转换为数据框：

dfs = list()

# convert one dict at a time into a data frame, using json_normalize()
for sd in sample_data:
    t = pd.json_normalize(sd)
    dfs.append(t)

# convert list of dataframes into a single data frame, 
#   and change column labels
t = pd.concat(dfs).rename(columns={
    'followerCounts.organicFollowerCount': 'organicFollowerCount',
    'followerCounts.paidFollowerCount': 'paidFollowerCount'
}).set_index('region')

print(t)


                    organicFollowerCount  paidFollowerCount
region                                                     
urn:li:region:9194                   157                  0
urn:li:region:7127                    17                  0

正如@thehumaneraser 所说，这种格式并不理想，但我们不能总是影响我们收到的数据的格式。

【讨论】：

【解决方案2】：

您将无法使用 Numpy 的 flatten 方法以您想要的方式展平这些数据。该方法只需采用多维 ndarray 并将其展平为一维。你可以阅读文档here。

其他几件事。首先，您上面的示例数据不是 ndarray，它只是一个 python 列表。实际上，由于您在方括号内调用list()，它是一个嵌套的字典列表。这确实不是存储此信息的好方法，并且基于这种复杂的格式，您几乎没有选择将其很好地“展平”到您想要的表格中。

如果您有很多这样的行，我会执行以下操作：

headers = ["region", "organicFollowerCount", "paidFollowerCount"]
data = [headers]
for row in sample_data[0]: # Subindexing here because it is unwisely a nested list
    formatted_row = []
    formatted_row.append(row["region"])
    formatted_row.append(row["followerCounts"]["organicFollowerCount"])
    formatted_row.append(row["followerCounts"]["paidFollowerCount"]
    data.append(formatted_row)
data = np.array(data)

这将为您提供您在此处拥有的数据的 ndarray，但这仍然是一个丑陋的解决方案。确实，这是一种非常不切实际的数据展示方式，您应该放弃它，换一种更好的方式。

最后一件事：不要使用驼色箱。这是某些语言（如 Java）的标准做法，但对 Python 来说不是。而不是organicFollowerCount 使用organic_follower_count 等等。

【讨论】：