10 개의 키-값 쌍이있는 사전이 있다고 가정 해 보겠습니다. 각 항목에는 numpy 배열이 있습니다. 그러나 배열의 길이는 모두 동일하지 않습니다.
각 열에 다른 항목이있는 데이터 프레임을 만들려면 어떻게해야합니까?
내가 시도 할 때 :
pd.DataFrame(my_dict)나는 얻다:
ValueError: arrays must all be the same length이것을 극복 할 방법이 있습니까? Pandas NaN가 더 짧은 항목을 위해 해당 열을 채우는 데 사용하게 되어 기쁩니다 .
답변
Python 3.x에서 :
In [6]: d = dict( A = np.array([1,2]), B = np.array([1,2,3,4]) )
In [7]: pd.DataFrame(dict([ (k,pd.Series(v)) for k,v in d.items() ]))
Out[7]:
A B
0 1 1
1 2 2
2 NaN 3
3 NaN 4Python 2.x에서 :
교체 d.items()와 함께 d.iteritems().
답변
이를 수행하는 간단한 방법은 다음과 같습니다.
In[20]: my_dict = dict( A = np.array([1,2]), B = np.array([1,2,3,4]) )
In[21]: df = pd.DataFrame.from_dict(my_dict, orient='index')
In[22]: df
Out[22]:
0 1 2 3
A 1 2 NaN NaN
B 1 2 3 4
In[23]: df.transpose()
Out[23]:
A B
0 1 1
1 2 2
2 NaN 3
3 NaN 4답변
구문을 정리하는 방법은 기본적으로 다른 답변과 동일한 작업을 수행합니다.
>>> mydict = {'one': [1,2,3], 2: [4,5,6,7], 3: 8}
>>> dict_df = pd.DataFrame({ key:pd.Series(value) for key, value in mydict.items() })
>>> dict_df
one 2 3
0 1.0 4 8.0
1 2.0 5 NaN
2 3.0 6 NaN
3 NaN 7 NaN목록에도 비슷한 구문이 있습니다.
>>> mylist = [ [1,2,3], [4,5], 6 ]
>>> list_df = pd.DataFrame([ pd.Series(value) for value in mylist ])
>>> list_df
0 1 2
0 1.0 2.0 3.0
1 4.0 5.0 NaN
2 6.0 NaN NaN목록의 또 다른 구문은 다음과 같습니다.
>>> mylist = [ [1,2,3], [4,5], 6 ]
>>> list_df = pd.DataFrame({ i:pd.Series(value) for i, value in enumerate(mylist) })
>>> list_df
0 1 2
0 1 4.0 6.0
1 2 5.0 NaN
2 3 NaN NaN추가로 결과를 전치하거나 열 데이터 유형 (float, integer 등)을 변경해야 할 수도 있습니다.
답변
이것은 OP의 질문에 직접 대답하지는 않지만. 나는 불평등 한 배열이 있고 공유하고 싶을 때 이것이 내 경우에 훌륭한 솔루션이라는 것을 알았습니다.
In [31]: d = {'one' : Series([1., 2., 3.], index=['a', 'b', 'c']),
....: 'two' : Series([1., 2., 3., 4.], index=['a', 'b', 'c', 'd'])}
....:
In [32]: df = DataFrame(d)
In [33]: df
Out[33]:
one two
a 1 1
b 2 2
c 3 3
d NaN 4답변
객체 목록 pd.concat과 axis=1함께 사용할 수도 있습니다 pd.Series.
import pandas as pd, numpy as np
d = {'A': np.array([1,2]), 'B': np.array([1,2,3,4])}
res = pd.concat([pd.Series(v, name=k) for k, v in d.items()], axis=1)
print(res)
A B
0 1.0 1
1 2.0 2
2 NaN 3
3 NaN 4답변
다음 두 줄 모두 완벽하게 작동합니다.
pd.DataFrame.from_dict(df, orient='index').transpose() #A
pd.DataFrame(dict([ (k,pd.Series(v)) for k,v in df.items() ])) #B (Better)그러나 Jupyter의 % timeit을 사용하면 B와 A의 속도가 4 배로 증가합니다. 이는 특히 대규모 데이터 세트 (주로 많은 수의 열 / 기능 포함)로 작업 할 때 매우 인상적입니다.
답변
표시하지 않으려 고 NaN두 개의 특정 길이가있는 경우 나머지 각 셀에 ‘공백’을 추가하는 것도 작동합니다.
import pandas
long = [6, 4, 7, 3]
short = [5, 6]
for n in range(len(long) - len(short)):
short.append(' ')
df = pd.DataFrame({'A':long, 'B':short}]
# Make sure Excel file exists in the working directory
datatoexcel = pd.ExcelWriter('example1.xlsx',engine = 'xlsxwriter')
df.to_excel(datatoexcel,sheet_name = 'Sheet1')
datatoexcel.save()
A B
0 6 5
1 4 6
2 7
3 3 길이가 2 개 이상인 경우 유사한 방법을 사용하는 함수를 만드는 것이 좋습니다.
