当字典中有空值时，将字符串评估为字典

Question

我有一个看起来像这样的数据框（Thing_2 被评估为一个字符串）：

ID           Thing           Thing_2
1             abc            [{"object_1": "a", "object_2": null}]
2             def            None

我希望它看起来像这样：

ID           Thing           Thing_2
1             abc            a
2             def            None

为此，我执行了以下步骤：

def change_to_dict(row):
     t2 = row['Thing_2']
     if pd.notna(row['Thing_2']):
          t2 = t2.strip('[]') 
          t2 = ast.literal_eval(t2)
          return t2.get[0]

我不断收到 value_error: malformed node 在它不为空的索引处。我认为这是因为字典中有一个空值作为第二个值。

Answer 1

据我所知，我不知道这是否适合你。

数据帧：

>>> df
   ID Thing                                Thing_2
0   1   abc  [{"object_1": "a", "object_2": null}]
1   2   def                                   None

输出：

您可以使用 re 模块来实现，但您必须定义需要从列中提取的字符串/字符。

>>> search_list = ['a']
>>> import re

>>> df['Thing_2'] = df.Thing_2.str.extract('({})'.format('|'.join(search_list)), flags=re.IGNORECASE, expand=False).str.lower().fillna('None')
>>> df
   ID Thing Thing_2
0   1   abc       a
1   2   def    None

如果您要针对特定​​列（例如 a）搜索一些字符串/单词，这非常有用。

Answer 2

这应该可行。

import yaml
def change_to_dict(row):
  if pd.notna(row):
     t2 = row
     t2 = t2.strip('[]')
     t2 = yaml.load(t2)

     return list(t2.values())[0]

df['Thing_2'].apply(lambda x: change_to_dict(x))

Answer 3

试试：

import json

def change_to_dict(row):
    t2 = row['Thing_2']
    if pd.notna(t2):
        t2_content = json.loads(t2)
        return ','.join(filter(bool, t2_content[0].values()))