从不同长度的 pd 系列字典中制作数据框

Question

我有一系列不同长度的字典。我想把它们都放在一个df中。我也想将每个系列的索引添加到索引中。

例子：

    dict = {'2021-07-16': pd.Series({125.0:229.78}), 
            '2021-07-23' : pd.Series({170.0 : 184.65, 175.0 : 179.80})}

我想要什么（抱歉不知道表格是如何工作的）：

pd = | index |  col1   | col2   |
     | 125.0 | 229.78  | NULL   |
     | 170.0 | NULL    | 184.65 |
     | 175.0 | NULL    | 179.80 |

这是我正在尝试的：

call_series_pd = pd.DataFrame(dict([(k,pd.Series(v)) for k,v in test.items()]))

当我这样做时，我收到以下错误：

ValueError: cannot reindex from a duplicate axis

这可能是因为某些系列的索引重叠。

Answer 1

试试：

df = pd.concat(
    [s.to_frame().reset_index() for s in dct.values()],
    axis=1,
)
df.columns = [
    c for i in range(1, len(dct) + 1) for c in (f"col{i}_index", f"col{i}")
]
print(df)

打印：

   col1_index    col1  col2_index    col2
0       125.0  229.78       170.0  184.65
1       130.0  224.83       175.0  179.80
2       135.0  219.78       180.0  174.78
3       140.0  214.73       185.0  169.68
4       145.0  209.63       190.0  164.78
5       490.0    0.01       445.0    0.01
6       500.0    0.01       450.0    0.02
7       520.0    0.01       455.0    0.01
8       540.0    0.01       460.0    0.01
9       560.0    0.01       465.0    0.01

---

编辑：另一种解决方案：

dct = {
    "2021-07-16": pd.Series({125.0: 229.78}),
    "2021-07-23": pd.Series({170.0: 184.65, 175.0: 179.80}),
}

data = pd.DataFrame(dct.values()).T
data.columns = "col_" + (data.columns + 1).astype(str)
print(data)

打印：

        col_1   col_2
125.0  229.78     NaN
170.0     NaN  184.65
175.0     NaN  179.80