Solución:
Aquí hay una solución usando json_normalize()
de nuevo mediante el uso de una función personalizada para obtener los datos en el formato correcto entendido por json_normalize
función.
import ast
from pandas.io.json import json_normalize
def only_dict(d):
'''
Convert json string representation of dictionary to a python dict
'''
return ast.literal_eval(d)
def list_of_dicts(ld):
'''
Create a mapping of the tuples formed after
converting json strings of list to a python list
'''
return dict([(list(d.values())[1], list(d.values())[0]) for d in ast.literal_eval(ld)])
A = json_normalize(df['columnA'].apply(only_dict).tolist()).add_prefix('columnA.')
B = json_normalize(df['columnB'].apply(list_of_dicts).tolist()).add_prefix('columnB.pos.')
Finalmente, únete al DFs
en el índice común para obtener:
df[['id', 'name']].join([A, B])
EDITAR:- Según el comentario de @MartijnPieters, la forma recomendada de decodificar las cadenas json sería usar json.loads()
que es mucho más rápido en comparación con el uso ast.literal_eval()
si sabe que la fuente de datos es JSON.
El más rápido parece ser:
json_struct = json.loads(df.to_json(orient="records"))
df_flat = pd.io.json.json_normalize(json_struct) #use pd.io.json
crear una función personalizada para aplanar columnB
luego usa pd.concat
def flatten(js):
return pd.DataFrame(js).set_index('pos').squeeze()
pd.concat([df.drop(['columnA', 'columnB'], axis=1),
df.columnA.apply(pd.Series),
df.columnB.apply(flatten)], axis=1)
¡Haz clic para puntuar esta entrada!
(Votos: 0 Promedio: 0)