如何将字典元组转换为有组织的数据框？答案

【问题标题】：How can I convert tuple of dictionaries into an organized dataframe?如何将字典元组转换为有组织的数据框？
【发布时间】：2020-04-14 09:16:37
【问题描述】：

我正在提取一个以以下格式检索数据的 API。

     data = ({'2019-12-20': {'SMA': '216.0037'},
              '2019-12-19': {'SMA': '215.4711'},
              '2019-12-18': {'SMA': '214.9335'},
              '2019-12-17': {'SMA': '214.4074'}})

目前，当我尝试运行“data = pd.DataFrame(data)”时，它会返回一个包含 2 行的数据框，该数据框将每个日期用作单独的列，并为每一行提供一个字典作为值（下面的示例）。

           2019-12-20       |       2019-12-19     |      2019-12-18
 0  "{ 'SMA' : '216.0037' } |  {'SMA': '215.4710"} | {'SMA': '214.9335'}
 1            NaN           |         NaN          |        NaN

我想弄清楚如何将这些数据转换为以下格式的数据框。

        date     |   SMA
 ----------------------------
 0  '2019-12-20' | '216.0036'
 1  '2019-12-19' | '215.4711'
 2  '2019-12-18' | '214.9335'
 3  '2019-12-17' | '214.4047'

任何帮助将不胜感激！

【问题讨论】：

标签： python pandas dataframe dictionary tuples

【解决方案1】：

IIUC

pd.DataFrame(data).T.reset_index().rename(columns={'index':'date'})
         date       SMA
0  2019-12-20  216.0037
1  2019-12-19  215.4711
2  2019-12-18  214.9335
3  2019-12-17  214.4074

或from_dict

pd.DataFrame.from_dict(data,'index').reset_index().rename(columns={'index':'date'})
                 SMA
2019-12-17  214.4074
2019-12-18  214.9335
2019-12-19  215.4711
2019-12-20  216.0037

【讨论】：

【解决方案2】：

从您的代码看来，数据是一个字典（外括号被忽略）。

data = ({
    '2019-12-20': {'SMA': '216.0037'},
    '2019-12-19': {'SMA': '215.4711'},
    '2019-12-18': {'SMA': '214.9335'},
    '2019-12-17': {'SMA': '214.4074'}
})
assert isinstance(data, dict)

如果是这样，那么您想要的数据框可以按如下方式生成。

pd.DataFrame(
    [(k, v['SMA']) for k, v in data.items()],
    columns=['date', 'SMA']
)

输出：

         date       SMA
0  2019-12-20  216.0037
1  2019-12-19  215.4711
2  2019-12-18  214.9335
3  2019-12-17  214.4074

【讨论】：

【解决方案3】：

您可以使用 pandas.DataFrame.T 实现此目的

通过将行写入列来反映 DataFrame 在其主对角线上，反之亦然。属性 T 是方法的访问器。

df = pd.DataFrame(data).T.reset_index().rename(columns={'index':'date'}) 将返回：

         date       SMA
0  2019-12-20  216.0037
1  2019-12-19  215.4711
2  2019-12-18  214.9335
3  2019-12-17  214.4074

【讨论】：