在 for 循环中填充熊猫数据框

Question

我正在使用 Amazon Rekognition 进行一些图像分析。 使用一个简单的 Python 脚本，我在每次迭代中都会得到这种类型的响应： （猫的图像示例）

{'Labels':
            [{'Name': 'Pet', 'Confidence': 96.146484375, 'Instances': [],
              'Parents': [{'Name': 'Animal'}]}, {'Name': 'Mammal', 'Confidence': 96.146484375,
                                                 'Instances': [], 'Parents': [{'Name': 'Animal'}]},
             {'Name': 'Cat', 'Confidence': 96.146484375.....

我在一个列表中获得了我需要的所有属性，如下所示：

[Pet, Mammal, Cat, Animal, Manx, Abyssinian, Furniture, Kitten, Couch]

现在，我想创建一个数据框，上面列表中的元素显示为列，行取值为 0 或 1。

我创建了一个字典，在其中添加了列表中的元素，所以我得到了 {'Cat': 1}，然后我将它添加到数据框中，我得到以下错误： TypeError：必须使用某种集合调用 Index(...)，传递了“Cat”。

不仅如此，我什至无法将来自不同图像的信息添加到同一个数据框中。例如，如果我只在数据框中插入数据（作为行，而不是列），我会得到一个包含 n 行的系列，其中包含 only 最后一张图像的 n 个元素（由 Amazon Rekognition 识别），即我在每次迭代时从一个空数据框开始。 我想得到的结果是这样的：

Image   Human   Animal  Flowers     etc...
Pic1    1        0       0  
Pic2    0        0       1  
Pic3    1        1       0  

作为参考，这是我现在使用的代码（我应该补充一点，我正在开发一个名为 KNIME 的软件，但这只是 Python）：

from pandas import DataFrame
import pandas as pd
import boto3

fileName=flow_variables['Path_Arr[1]']  #This is just to tell Amazon the name of the image
bucket= 'mybucket'
client=boto3.client('rekognition', region_name = 'us-east-2')

response = client.detect_labels(Image={'S3Object':
{'Bucket':bucket,'Name':fileName}})


data = [str(response)]  # This is what I inserted in the first cell of this question

d= {}
for key, value in response.items():
    for el in value:
        if isinstance(el,dict):
            for k, v in el.items():
                if k == "Name":
                    d[v] = 1
                    print(d)
                    df = pd.DataFrame(d, ignore_index=True)

print(df)
output_table = df

在 for 循环和向我的数据框中添加内容时，我肯定都弄错了，但似乎没有任何效果！

很抱歉这个超长的问题，希望它很清楚！有什么想法吗？

Answer 1

我不知道这是否完全回答了你的问题，因为我不知道你的数据是什么样的，但我认为这是一个很好的步骤，应该可以帮助你。我多次添加相同的数据，但方式应该清楚。

import pandas as pd

response = {'Labels': [{'Name': 'Pet', 'Confidence': 96.146484375, 'Instances': [], 'Parents': [{'Name': 'Animal'}]},
                       {'Name': 'Cat', 'Confidence': 96.146484375, 'Instances': [{'BoundingBox':
                                                                                      {'Width': 0.6686800122261047,
                                                                                       'Height': 0.9005332589149475,
                                                                                       'Left': 0.27255237102508545,
                                                                                       'Top': 0.03728689253330231},
                                                                                  'Confidence': 96.146484375}],
                        'Parents': [{'Name': 'Pet'}]
                        }]}


def handle_new_data(repsonse_data: dict, image_name: str) -> pd.DataFrame:
    d = {"Image": image_name}
    result = pd.DataFrame()
    for key, value in repsonse_data.items():
        for el in value:
            if isinstance(el, dict):
                for k, v in el.items():
                    if k == "Name":
                        d[v] = 1
        result = result.append(d, ignore_index=True)

    return result


df_all = pd.DataFrame()
df_all = df_all.append(handle_new_data(response, "image1"))
df_all = df_all.append(handle_new_data(response, "image2"))
df_all = df_all.append(handle_new_data(response, "image3"))
df_all = df_all.append(handle_new_data(response, "image4"))
df_all.reset_index(inplace=True)
print(df_all)