从条目中具有不同长度的字典创建数据框

Question

从条目中具有不同长度的字典创建数据框假设我有一个包含10个键值对的字典。每个条目都有一个numpy数组。但是，对于所有这些数组，数组的长度并不相同。如何创建每个列包含不同条目的数据框？当我尝试：pd.DataFrame(my_dict)我明白了：ValueError: arrays must all be the same length有什么方法可以解决这个问 我很高兴Pandas可以使用NaN这些列填充较短的条目。

Answer 1

在Python 3.x中：

In [6]: d = dict( A = np.array([1,2]), B = np.array([1,2,3,4]) )

In [7]: DataFrame(dict([ (k,Series(v)) for k,v in d.items() ]))

Out[7]: 

    A  B

0   1  1

1   2  2

2 NaN  3

3 NaN  4

在Python 2.x中：

替换d.items()为d.iteritems()。

Answer 2

这是一个简单的方法：

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  4

Answer 3

一种整理语法的方法，但仍然与其他答案基本相同，如下所示：

>>> 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  NaN

列表也存在类似的语法：

>>> 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  NaN

列表的另一种语法是：

>>> 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  NaN

在所有这些情况下，您必须小心检查pandas要为您的列猜测的数据类型。例如，包含任何NaN（缺失）值的列将转换为float。