从几个嵌套字典制作熊猫数据框

Question

我有一个字典，里面有两个嵌套字典。这是一个最小的例子：

df = {'line1': {'a': {'a': 1, 'b': 2}, 'b': {'a': 3, 'b': 4}},
      'line2': {'a': {'a': 5, 'b': 6}, 'b': {'a': 7, 'b': 8}},
      'line3': {'a': {'a': 9, 'b': 10}, 'b': {'a': 11, 'b': 12}},
      'line4': {'a': {'a': 13, 'b': 14}, 'b': {'a': 15, 'b': 16}}}

我的程序中有数百行代码，这种结构似乎最容易存储我需要的所有数据。我想像这样创建一个熊猫数据框：

        aa  ab  ba  bb
line1   1   2   3   4
line2   5   6   7   8
line3   9   10  11  12
line4   13  14  15  16

但是 pd.DataFrame(dict) 命令似乎不能正确处理超过 2 个嵌套字典，我得到了这个：

pd.DataFrame(df).T

                          a                     b
line1    {u'a': 1, u'b': 2}    {u'a': 3, u'b': 4}
line2    {u'a': 5, u'b': 6}    {u'a': 7, u'b': 8}
line3   {u'a': 9, u'b': 10}  {u'a': 11, u'b': 12}
line4  {u'a': 13, u'b': 14}  {u'a': 15, u'b': 16}

有没有简单的方法来解决这个问题？还是我必须编写额外的代码来转换我的字典，或者更糟的是，设计另一种存储数据的方式（这会让我重新编写程序的几个部分）？

提前致谢。

Answer 1

将concat 与dict comprehension 一起使用，然后通过unstack 重塑数据并通过map 转换MultiIndex：

df = pd.concat({k: pd.DataFrame(v) for k, v in df.items()}).unstack()
df.columns = df.columns.map(''.join)
print (df)
       aa  ab  ba  bb
line1   1   2   3   4
line2   5   6   7   8
line3   9  10  11  12
line4  13  14  15  16