嵌套 dict 到 df - Python

在Python中，我们可以使用字典（dict）来保存多个数据，每个数据都有一个唯一的键（key）来进行访问。有时候我们需要将多个字典合并成一个数据表（DataFrame）来进行分析和处理。这时候就需要将嵌套字典转成数据表。

嵌套字典

嵌套字典就是在一个字典里面再放置一个或多个字典。例如：

dict_nested = {
    "Adam": {"age": 25, "gender": "male", "city": "New York"},
    "Bob": {"age": 30, "gender": "male", "city": "Los Angeles"},
    "Cathy": {"age": 28, "gender": "female", "city": "San Francisco"}
}

上面的例子中，dict_nested 是一个顶层字典，其中包含了三个子字典："Adam"、"Bob" 和 "Cathy"。

嵌套字典转数据表

要将嵌套字典转成数据表，我们可以使用 pandas 库中的 DataFrame() 函数。我们需要先将子字典转成数据表，然后再将它们合并起来。具体步骤如下：

1. 将顶层字典的键（即人名）作为新的一列（列名为 "name"）
2. 将每个子字典转成数据表
3. 在每个数据表中加上一列 "name"，并将该列的值设为对应的人名
4. 将所有数据表合并成一张数据表

下面是具体的代码实现：

import pandas as pd

dict_nested = {
    "Adam": {"age": 25, "gender": "male", "city": "New York"},
    "Bob": {"age": 30, "gender": "male", "city": "Los Angeles"},
    "Cathy": {"age": 28, "gender": "female", "city": "San Francisco"}
}

# Create an empty DataFrame
df = pd.DataFrame()

# Add the "name" column
df["name"] = dict_nested.keys()

# Loop through each sub-dictionary
for name, nested_dict in dict_nested.items():
    # Convert the sub-dictionary to a DataFrame
    temp_df = pd.DataFrame.from_dict(nested_dict, orient="index").T
    
    # Add the "name" column
    temp_df["name"] = name
    
    # Append the DataFrame to the main DataFrame
    df = df.append(temp_df, ignore_index=True)

print(df)

这段代码的输出结果如下：

    age  gender           city    name
0  25.0    male       New York    Adam
1  30.0    male    Los Angeles     Bob
2  28.0  female  San Francisco   Cathy

可以看到，我们成功地将嵌套字典转成了一张数据表。每个子字典中的值对应数据表中的一列，而每个子字典的键对应数据表中的一行。同时，我们还可以看到，数据表中多了一列 "name"，该列记录了每个人的名字。

总结

本文介绍了如何将嵌套字典转成数据表。我们使用了 pandas 库中的 DataFrame() 函数，以及字典和循环等基本的 Python 语法。嵌套字典转数据表是数据处理和分析中经常需要用到的操作，希望本文对读者有所帮助。