到熊猫数据框的嵌套字典列表（类型对象'DataFrame'没有属性'from_items'）

Question

我是python的初学者。我有一个嵌套字典。我试图从嵌套字典列表中获取 pandas 数据框。

Sample file of dict in pickle

名为user_dict 的嵌套字典如下：

[{'1000003': {'car': 0.0,    'car_passenger': 0.0,    'pt': 0.0,    'walk': 0.0,    'bike': 0.0}},  {'1000007': {'car': 0.0,    'car_passenger': 0.0,    'pt': 856.0786277323101,    'walk': 2546.869189662443,    'bike': 0.0}},  
{'1000008': {'car': 0.0,    'car_passenger': 34189.569164682835,    'pt': 0.0,    'walk': 0.0,    'bike': 0.0}},  
{'1000009': {'car': 0.0,    'car_passenger': 0.0,    'pt': 0.0,    'walk': 0.0,    'bike': 9847.472668350396}}]

我想得到这样的数据框：

Expected dataframe

我根据 Igor Raush 的回答 (Getting pandas dataframe from list of nested dictionaries) 使用了代码

from itertools import chain
pd.DataFrame.from_items(list(chain.from_iterable(d.iteritems() for d in user_dict))).T

但它对我不起作用，相反，它引发了这样的错误：

---------------------------------------------------------------------------
AttributeError                            Traceback (most recent call last)
<ipython-input-21-8ea27c4b8e43> in <module>
----> 1 pd.DataFrame.from_items(list(chain.from_iterable(d.iteritems() for d in user_dict))).T

AttributeError: type object 'DataFrame' has no attribute 'from_items'

它适用于 classmethod pd.concat，但我有超过 200k 的观察结果，所以我正在寻找有效的解决方案。非常感谢任何解决方案。

Answer 1

这里有一个解决方案：

dics = [{'1000003': {'car': 0.0,    'car_passenger': 0.0,    'pt': 0.0,    'walk': 0.0,    'bike': 0.0}},  {'1000007': {'car': 0.0,    'car_passenger': 0.0,    'pt': 856.0786277323101,    'walk': 2546.869189662443,    'bike': 0.0}},  
       {'1000008': {'car': 0.0,    'car_passenger': 34189.569164682835,    'pt': 0.0,    'walk': 0.0,    'bike': 0.0}},  
       {'1000009': {'car': 0.0,    'car_passenger': 0.0,    'pt': 0.0,    'walk': 0.0,    'bike': 9847.472668350396}}]

df = pd.DataFrame(columns = ['car','car_passenger','pt','walk','bike' ])
index_list = []
for dic in dics: 
    key = list(dic.keys())[0]
    index_list.append(key)
    df = df.append(dic[key], ignore_index=True)
df.index = index_list
df

#Output: 

        car     car_passenger   pt          walk        bike
1000003 0.0     0.000000        0.000000    0.00000     0.000000
1000007 0.0     0.000000        856.078628  2546.86919  0.000000
1000008 0.0     34189.569165    0.000000    0.00000     0.000000
1000009 0.0     0.000000        0.000000    0.00000     9847.472668