使用 pandas python 附加带有字典值的 csv

Question

我的 python 脚本生成如下字典：

================================================ =================

TL&DR

我使用from_dict 方法使问题过于复杂，同时从字典创建数据框。感谢@Sword。

换句话说，pd.DataFrame.from_dict 仅在您想创建一个数据框时才需要，其中所有键在一个列中，所有值在另一列中。在所有其他情况下，它与接受的答案中提到的方法一样简单。

================================================ ===============

{u'19:00': 2, u'12:00': 1, u'06:00': 2, u'00:00': 0, u'23:00': 2, u'05:00': 2, u'11:00': 4, u'14:00': 2, u'04:00': 0, u'09:00': 7, u'03:00': 1, u'18:00': 6, u'01:00': 0, u'21:00': 5, u'15:00': 8, u'22:00': 1, u'08:00': 5, u'16:00': 8, u'02:00': 0, u'13:00': 8, u'20:00': 5, u'07:00': 11, u'17:00': 12, u'10:00': 8}

它还会产生一个变量，比如full_name（作为脚本的参数），其值为“John”。

每次我运行脚本时，它都会为我提供上述格式的字典和名称。

我想将其写入 csv 文件以供以后分析，格式如下：

FULLNAME | 00:00  |  01:00  |  02:00  | .....| 22:00  |  23:00  |
John     | 0      |  0      |  0      | .....| 1      |  2      |

我的代码如下：

import collections
import pandas as pd

# ........................
# Other part of code, which produces the dictionary by name "data_dict"
# ........................

#Sorting the dictionary (And adding it to a ordereddict) in order to skip matching dictionary keys with column headers
data_dict_sorted = collections.OrderedDict(sorted(data_dict.items()))

# For the first time to produce column headers, I used .items() and rest of the following lines follows it.
# df = pd.DataFrame.from_dict(data_dict_sorted.items())

#For the second time onwards, I just need to append the values, I am using .values()
df = pd.DataFrame.from_dict(data_dict_sorted.values())

df2 = df.T # transposing because from_dict creates all keys in one column, and corresponding values in the next column.
df2.columns = df2.iloc[0] 
df3 = df2[1:]
df3["FULLNAME"] = args.name #This is how we add a value, isn't it?
df3.to_csv('test.csv', mode = 'a', sep=str('\t'), encoding='utf-8', index=False)

我的代码正在生成以下 csv

00:00 | 01:00 | 02:00 | …….. | 22:00 | 23:00 | FULLNAME
0     | 0     | 0     | …….. | 1     | 2     | John
0     | 0     | 0     | …….. | 1     | 2     | FULLNAME
0     | 0     | 0     | …….. | 1     | 2     | FULLNAME

我的问题有两个：

1. 为什么在第二次迭代中打印“FULLNAME”而不是“John”（就像在第二次运行脚本时一样）？我错过了什么？
2. 有更好的方法吗？

Answer 1

这个怎么样？

df = pd.DataFrame(data_dict, index=[0])
df['FullName'] = 'John'

编辑：
理解您执行操作的方式有点困难，但看起来问题出在 df.columns = df.iloc[0] 行上。我上面提到的代码不需要指定列名或转置操作。如果您在每次迭代时添加字典，请尝试：

data_dict['FullName'] = 'John'
df = df.append(pd.DataFrame(data_dict, index =[0]), ignore_index = True).reset_index()

如果每一行可能有不同的名称，那么df['FullName'] = 'John' 将导致整个列等同于 John。因此，作为一个更好的步骤，在您的 dict 中创建一个名为“FullName”的键，并使用适当的名称作为其值，以避免为整个列分配统一的值，即

data_dict['FullName'] = 'John'