【问题标题】:Import Data from MongoDB Atlas and store dictionaries into dataframe for ML从 MongoDB Atlas 导入数据并将字典存储到 ML 的数据框中
【发布时间】:2020-11-10 05:20:41
【问题描述】:

我在 MongoDB Atlas 中有 COVID 19 数据。我能够在python中提取它。我想将其转换为 Dataframe 以便能够将其用于机器学习。尝试了各种组合,但无法做到这一点。需要帮助。

mydata = collection.find({}, {"province_state": 1, "date": 1, "value": 1})
    for items in mydata[0:10]:  # first 11 entries
        print(items)

输出:

{'_id': ObjectId('5fa4d27f66b012d562223715'), 'province_state': 'Alabama', 'date': '1/25/20', 'value': 0}
{'_id': ObjectId('5fa4d27f66b012d562223729'), 'province_state': 'Alabama', 'date': '2/14/20', 'value': 0}
{'_id': ObjectId('5fa4d27f66b012d56222372b'), 'province_state': 'Alabama', 'date': '2/16/20', 'value': 0}
{'_id': ObjectId('5fa4d27f66b012d56222372e'), 'province_state': 'Alabama', 'date': '2/19/20', 'value': 0}
{'_id': ObjectId('5fa4d27f66b012d562223739'), 'province_state': 'Alabama', 'date': '3/1/20', 'value': 0}
{'_id': ObjectId('5fa4d27f66b012d56222373d'), 'province_state': 'Alabama', 'date': '3/5/20', 'value': 0}
{'_id': ObjectId('5fa4d27f66b012d5622237ba'), 'province_state': 'Alabama', 'date': '7/8/20', 'value': 12}
{'_id': ObjectId('5fa4d27f66b012d5622237c3'), 'province_state': 'Alabama', 'date': '7/17/20', 'value': 20}
{'_id': ObjectId('5fa4d27f66b012d5622237c4'), 'province_state': 'Alabama', 'date': '7/18/20', 'value': 20}
{'_id': ObjectId('5fa4d27f66b012d5622237d8'), 'province_state': 'Alabama', 'date': '8/7/20', 'value': 21}

现在我想将它存储在 pandas 中,请帮助解决这个问题。

【问题讨论】:

    标签: python pandas dataframe mongodb-atlas


    【解决方案1】:

    您可以将查询结果转换为列表,并直接从中创建一个 pandas DataFrame。

    mydata = collection.find({}, {"province_state": 1, "date": 1, "value": 1})
    df = pd.DataFrame(list(mydata))
    

    【讨论】:

      【解决方案2】:

      您可以使用此行将集合中的数据读入数据框:

      df = pd.DataFrame.from_records(mydata)
      

      获取整个集合:

      
      df = pd.DataFrame.from_records(list(mydata))
      
      

      【讨论】:

        猜你喜欢
        • 1970-01-01
        • 1970-01-01
        • 2022-06-13
        • 1970-01-01
        • 2019-06-27
        • 2020-10-24
        • 2013-05-06
        • 2020-08-18
        • 1970-01-01
        相关资源
        最近更新 更多