如何将嵌套字典呈现为表格答案

【问题标题】：How to present a nested dictionary as a table如何将嵌套字典呈现为表格
【发布时间】：2019-11-22 15:47:03
【问题描述】：

我有以下字典：

我想将这些字典打印出来，以便它们出现在一个易于阅读的表格中，像这样不使用 pandas：

到目前为止我所拥有的：

我可以打印表格标题，但在映射其他列时遇到问题。

这是要复制的文本字典：

{'ffa': {'cope1': 0.6525,
         'cope2': 0.4146,
         'cope3': 0.5896,
         'cope4': 0.1521,
         'cope5': 0.5317},
 'lingual': {'cope1': -0.08865060000000001,
             'cope2': -0.150985,
             'cope3': -0.162005,
             'cope4': -0.130845,
             'cope5': -0.126411},
 'ppa': {'cope1': 0.74836,
         'cope2': 0.9444,
         'cope3': 0.300482,
         'cope4': 1.12435,
         'cope5': 0.8332200000000001}}

【问题讨论】：

“平均值”列是否表示所有“cope1”的平均值？您能否也将字典粘贴为文本而不是图像，以便其他人可以轻松复制它？
我已经添加了字典。在将它们添加到字典之前，我已经计算了平均值，因此表格应该只显示 FFA 的值 - Cope1 等等
因此对于字典中的每个列表都会在平均列中打印 Cope1 - 5 的结果，只需按原样使用它们，每个列表的名称应该在 ROI 列中，如图所示
编辑：* 不使用熊猫

标签： python python-3.x dictionary printing format

【解决方案1】：

选项 1 - 熊猫

我建议为此使用pandas 数据框：

import pandas as pd
d = {'ffa': {'cope1': 0.6525, 'cope2': 0.4146, 'cope3': 0.5896, 'cope4': 0.1521, 'cope5': 0.5317}, 'lingual': {'cope1': -0.08865060000000001, 'cope2': -0.150985, 'cope3': -0.162005, 'cope4': -0.130845, 'cope5': -0.126411}, 'ppa': {'cope1': 0.74836, 'cope2': 0.9444, 'cope3': 0.300482, 'cope4': 1.12435, 'cope5': 0.8332200000000001}}
data = [(k,*x)  for k, v in d.items() for x in v.items()]
df = pd.DataFrame(data, columns = ['ROI', 'COPE', 'MEAN'])

给予：

>>> df
        ROI   COPE      MEAN
0       ffa  cope1  0.652500
1       ffa  cope2  0.414600
2       ffa  cope3  0.589600
3       ffa  cope4  0.152100
4       ffa  cope5  0.531700
5   lingual  cope1 -0.088651
6   lingual  cope2 -0.150985
7   lingual  cope3 -0.162005
8   lingual  cope4 -0.130845
9   lingual  cope5 -0.126411
10      ppa  cope1  0.748360
11      ppa  cope2  0.944400
12      ppa  cope3  0.300482
13      ppa  cope4  1.124350
14      ppa  cope5  0.833220

选项 2 - 只打印表格

不使用 pandas 只打印：

d = {'ffa': {'cope1': 0.6525, 'cope2': 0.4146, 'cope3': 0.5896, 'cope4': 0.1521, 'cope5': 0.5317}, 'lingual': {'cope1': -0.08865060000000001, 'cope2': -0.150985, 'cope3': -0.162005, 'cope4': -0.130845, 'cope5': -0.126411}, 'ppa': {'cope1': 0.74836, 'cope2': 0.9444, 'cope3': 0.300482, 'cope4': 1.12435, 'cope5': 0.8332200000000001}}
data = [(k,*x)  for k, v in d.items() for x in v.items()]
print ("ROI            COPE        MEAN")
for l in data:
        print ("{:<14}{:<11}{}".format(l[0],l[1],l[2]))

给予：

ROI            COPE        MEAN
ffa           cope1      0.6525
ffa           cope2      0.4146
ffa           cope3      0.5896
ffa           cope4      0.1521
ffa           cope5      0.5317
lingual       cope1      -0.08865060000000001
lingual       cope2      -0.150985
lingual       cope3      -0.162005
lingual       cope4      -0.130845
lingual       cope5      -0.126411
ppa           cope1      0.74836
ppa           cope2      0.9444
ppa           cope3      0.300482
ppa           cope4      1.12435
ppa           cope5      0.8332200000000001

【讨论】：

【解决方案2】：

如果我理解正确的话：

data = {'ffa': {'cope1': 0.6525, 'cope2': 0.4146, 'cope3': 0.5896, 'cope4': 0.1521, 'cope5': 0.5317},
        'lingual': {'cope1': -0.08865060000000001, 'cope2': -0.150985, 'cope3': -0.162005, 'cope4': -0.130845, 'cope5': -0.126411},
        'ppa': {'cope1': 0.74836, 'cope2': 0.9444, 'cope3': 0.300482, 'cope4': 1.12435, 'cope5': 0.8332200000000001}}

def items1(data):
    for roi, v in data.items():
        for cope, mean in v.items():
            yield (roi, cope, mean)

def items2(data):
    return (
        (roi, cope, mean)
            for roi, v in data.items()
                for cope, mean in v.items()
    )

def pretty_print(data_items, formatter='{:<8} {:<15} {:<10}'.format):
    print(formatter('ROI', 'COPE', 'MEAN'))
    for itm in data_items:
        print(formatter(*itm))

assert list(items1(data)) == list(items2(data))

pretty_print(items2(data))

结果：

ROI      COPE            MEAN      
ffa      cope1           0.6525    
ffa      cope2           0.4146    
ffa      cope3           0.5896    
ffa      cope4           0.1521    
ffa      cope5           0.5317    
lingual  cope1           -0.08865060000000001
lingual  cope2           -0.150985 
lingual  cope3           -0.162005 
lingual  cope4           -0.130845 
lingual  cope5           -0.126411 
ppa      cope1           0.74836   
ppa      cope2           0.9444    
ppa      cope3           0.300482  
ppa      cope4           1.12435   
ppa      cope5           0.8332200000000001

【讨论】：