将列中的键值对转换为python中的新列答案

【问题标题】：Convert a key value pair in a column as new column in python将列中的键值对转换为python中的新列
【发布时间】：2021-04-23 19:32:27
【问题描述】：

我想解析一列，并将键值对作为列

输入：

我有一个具有以下结构的数据框（称为 df）：

ID data
A1  {"userMatch": "{"match":{"phone":{"name":{"score":1}},"name":{"score":1}}}"}
A2  {"userMatch": "{"match":{"phone":{"name":{"score":0.934}},"name":{"score":0.952}}}"}

预期输出：

我想创建一个名为'score'的新列并从键值对中获取值

ID score1 score2
A1  1     1
A2  0.934 0.952

尝试的解决方案：

data_json = df['data'].transform(lambda x: json.loads(x))
df['score1'] = data_json.str.get('userMatch').str.get('match').str.get('phone').str.get('name').str.get('score')
df['score2'] = data_json.str.get('userMatch').str.get('match').str.get('phone').str.get('name').str.get('name').str.get('score')

错误：

TypeError: the JSON object must be str, bytes or bytearray, not Series

注意事项：

我什至不确定如何获得下一个分数2

【问题讨论】：

你为什么要做 data_json = df['data'].transform(lambda x: json.loads(x)).您已经阅读为 json。你试过没有它吗？
你也可以发布数据类型吗？
由于数据列似乎包含一个带有单个键 =“UserMatch”的字典和一个由字符串组成的单个值（即）"{"match":{"phone":{"name":{"score":1}},"name":{"score":1}}}"，因此您可以使用正则表达式来解析得分值。
@Dieter yes,ID->字符串和数据->对象
@Epsi95 是的，我累了，收到错误消息“只能将 .str 访问器与字符串值一起使用！”

标签： json python-3.x pandas

【解决方案1】：

虽然关于使用正则表达式，但使用 mu previous，这就是我解决问题的方法：

import re
def getOffset(row, offset):
    vals = re.findall(r"[-+]?\d*\.\d+|\d+", row.data['userMatch'])
    if len(vals)> offset:
        return vals[offset]
    return None
df['score1'] = df.apply(lambda row: getOffset(row, 0), axis= 1)
df['score2'] = df.apply(lambda row: getOffset(row, 1), axis = 1)
df.drop(['data'], axis= 1, inplace=True)

这会产生如下形式的数据框：

    ID  score1  score2
0   A1  1       1
1   A2  0.934   0.952

【讨论】：

【解决方案2】：

这并不漂亮，但适用于split()。无法读取字典，不断收到无效语法或缺少分隔符。

df = pd.read_csv(io.StringIO('''ID  data
A1  {"userMatch": "{"match":{"phone":{"name":{"score":1}},"name":{"score":1}}}"}
A2  {"userMatch": "{"match":{"phone":{"name":{"score":0.934}},"name":{"score":0.952}}}"}'''), sep='  ', engine='python')

df['score1'] = df['data'].apply(lambda x: x.split('{"userMatch": "{"match":{"phone":{"name":{"score":')[1].split('}', 1)[0])
df['score2'] = df['data'].apply(lambda x: x.split('{"userMatch": "{"match":{"phone":{"name":{"score":')[1].split(',"name":{"score":')[1].split('}', 1)[0])

输出：

   ID                                                                                  data score1 score2
0  A1          {"userMatch": "{"match":{"phone":{"name":{"score":1}},"name":{"score":1}}}"}      1      1
1  A2  {"userMatch": "{"match":{"phone":{"name":{"score":0.934}},"name":{"score":0.952}}}"}  0.934  0.952

【讨论】：