如何将这种形式的字典更改为 pandas 数据框？答案

【问题标题】：How can I change this form of dictionary to pandas dataframe?如何将这种形式的字典更改为 pandas 数据框？
【发布时间】：2018-05-08 11:38:33
【问题描述】：

我现在正在使用 python pandas 模块处理推文数据，我坚持这个问题。

我想从这个字典中制作一个频率表（熊猫数据框）：

d = {"Nigeria": 9, "India": 18, "Saudi Arabia": 9, "Japan": 60, "Brazil": 3, "United States": 38, "Spain": 5, "Russia": 3, "Ukraine": 3, "Azerbaijan": 5, "China": 1, "Germany": 3, "France": 12, "Philippines": 8, "Thailand": 5, "Argentina": 9, "Indonesia": 3, "Netherlands": 8, "Turkey": 2, "Mexico": 9, "Italy": 2}

想要的输出是：

>>> import pandas as pd
>>> df = pd.DataFrame(?????)
>>> df

Country      Count
Nigeria      9
India        18
Saudi Arabia 9
.
.
.

（不管最左列是否有从0到n的索引）

谁能帮我解决这个问题？提前谢谢！

【问题讨论】：

标签： python pandas dictionary dataframe

【解决方案1】：

你只有一个系列（一列具有索引值的数据），真的，所以这行得通：

pd.Series(d, name='Count')

然后，您可以根据需要构造一个 DataFrame：

df = pd.DataFrame(pd.Series(d, name='Count'))
df.index.name = 'Country'

现在你有：

               Count
Country             
Argentina          9
Azerbaijan         5
Brazil             3
...

【讨论】：

我同意你为什么说高效，没有想到 pd.Series
太棒了！被你的知识感动！谢谢！
@John Zwinck 还有pd.Series(d, name='Count').to_frame() 只是另一种表示方式

【解决方案2】：

使用DataFrame 构造函数并将values 和keys 分别传递给列：

df = pd.DataFrame({'Country':list(d.keys()), 
                   'Count': list(d.values())}, columns=['Country','Count'])
print (df)
          Country  Count
0      Azerbaijan      5
1       Indonesia      3
2         Germany      3
3          France     12
4          Mexico      9
5           Italy      2
6           Spain      5
7          Brazil      3
8        Thailand      5
9       Argentina      9
10        Ukraine      3
11  United States     38
12         Turkey      2
13        Nigeria      9
14   Saudi Arabia      9
15    Philippines      8
16          China      1
17          Japan     60
18         Russia      3
19          India     18
20    Netherlands      8

【讨论】：

【解决方案3】：

将其作为列表传递

pd.DataFrame([d]).T.rename(columns={0:'count'})

这可能会完成工作，但会降低性能，因为我们说键是列然后转置它。所以既然d.items()给了我们可以做的元组

df = pd.DataFrame(list(d.items()),columns=['country','count'])

df.head()
    country  count
0       Germany      3
1   Philippines      8
2        Mexico      9
3       Nigeria      9
4  Saudi Arabia      9

【讨论】：

这是低效的。
@John 为什么这无能？
@joaoavf：这与 Pandas 的内部存储细节有关。根据%timeit，这个解决方案比我的答案慢 5 倍。即使@jezrael 的解决方案看起来可能不快，也比这快得多。
@John 谢谢，知道这一点很有趣！