按 dict 或 json 之类的列过滤数据框答案

【问题标题】：filter dataframe by dict or json like column按 dict 或 json 之类的列过滤数据框
【发布时间】：2019-03-26 14:49:33
【问题描述】：

我有一个如下的数据框：

       score           pvpdate
0      {2: 29, 4: 24}  2018-05-23
1      {2: 23, 4: 24}  2018-05-29
2      {2: 36, 4: 25}  2018-05-23

我想过滤分数列并得到类似的结果

     score1      score2     pvpdate
0        29          24     2018-05-23
1        23          24     2018-05-29
2        36          25     2018-05-23

我该怎么做？我已经尝试过像 json 列这样 score 列的方法，但它不起作用。

【问题讨论】：

标签： python python-3.x

【解决方案1】：

如果要从字典的键中提取列名pop，请使用DataFrame 构造函数并将列名更改为add_prefix，最后join 没有score 的所有列：

df = pd.DataFrame(df.pop('score').values.tolist()).add_prefix('score').join(df)
print (df)
   score2  score4     pvpdate
0      29      24  2018-05-23
1      23      24  2018-05-29
2      36      25  2018-05-23

如果想要通过已解析 DataFrame 的长度创建的列名称使用 f-strings：

#if stored dictionary like strings
df['score']=df['score'].map(ast.literal_eval) 

df1 = pd.DataFrame(df.pop('score').values.tolist())
df1.columns = [f'score{i}' for i in range(1, len(df1.columns) + 1)]
df = df1.join(df)
print (df)
   score1  score2     pvpdate
0      29      24  2018-05-23
1      23      24  2018-05-29
2      36      25  2018-05-23

【讨论】：

df.pop('score').tolist() 也不行吗？ IE。除非为了性能（边际？）没有必要下降到 NumPy。
@jpp - 我认为是的，当然。如果df很大，我会添加.values以获得更好的性能。
我已经试过你的方法了，但是还是不行，还是和以前一样。我试过df[['score']] = df[['score',]]。 astype(str) 在应用你的方式之前，仍然不起作用。
我找到了答案 import ast df['score']=df['score'].map(lambda d:ast.literal_eval(d)) dfNew=df.join(pd.DataFrame( df['score'].to_dict()).T)
但是还是非常感谢你，虽然我还是不明白为什么你的不起作用

【解决方案2】：

Dictionary column in pandas dataframe 我找到了答案，通过使用 import ast df['score']=df['score'].map(lambda d:ast.literal_eval(d)) dfNew=df.join(pd.DataFrame(df['score'].to_dict()).T)

【讨论】：