构建 MultiIndex pandas DataFrame 嵌套 Python 字典

Question

我想从一个深度嵌套的字典构造一个 MultiIndex DataFrame

md = {'50': {'100': {'col1': ('0.100',
                              '0.200',
                              '0.300',
                              '0.400'),
                     'col2': ('6.263E-03',
                              '6.746E-03',
                              '7.266E-03',
                              '7.825E-03')},
             '101': {'col1': ('0.100',
                              '0.200',
                              '0.300',
                              '0.400'),
                     'col2': ('6.510E-03',
                              '7.011E-03',
                              '7.553E-03',
                              '8.134E-03')}
             '102': ...
            }
      '51': ...
     }

我试过了

df = pd.DataFrame.from_dict({(i,j): md[i][j][v] for i in md.keys() for j in md[i].keys() for v in md[i][j]}, orient='index')

在Construct pandas DataFrame from items in nested dictionary 之后，但我得到了一个包含 1 行和许多列的 DataFrame。

奖金： 我还想标记 MultiIndex 键和列“col1”和“col2”，并将字符串分别转换为int 和float。

如何从数据框中重建我的原始字典？ 我试过df.to_dict('list')。

Answer 1

查看此答案：https://stackoverflow.com/a/24988227/9404057。此方法解包字典的键和值，并将数据重新转换为多索引数据帧的易于处理的格式。请注意，如果您使用的是 python 3.5+，则需要使用 .items() 而不是 .iteritems()，如链接答案所示：

>>>>import pandas as pd
>>>>reform = {(firstKey, secondKey, thirdKey): values for firstKey, middleDict in md.items() for secondKey, innerdict in middleDict.items() for thirdKey, values in innerdict.items()}
>>>>df = pd.DataFrame(reform)

要将 col1 和 col 的数据类型更改为 int 和 float，然后可以使用 pandas.DataFrame.rename() 并指定所需的任何值：

df.rename({'col1':1, 'col2':2.5}, axis=1, level=2, inplace=True)

另外，如果您希望在索引而不是列上使用级别，您也可以使用pandas.DataFrame.T

如果你想从这个 MultiIndex 重建你的字典，你可以这样做：

>>>>md2={}
>>>>for i in df.columns:
        if i[0] not in md2.keys():
            md2[i[0]]={}
        if i[1] not in md2[i[0]].keys():
            md2[i[0]][i[1]]={}
    md2[i[0]][i[1]][i[2]]=tuple(df[i[0]][i[1]][i[2]].values)