按出现顺序解析数据框列中的 JSON答案

【问题标题】：Parsing a JSON in dataframe column in order of occurence按出现顺序解析数据框列中的 JSON
【发布时间】：2020-03-10 00:04:37
【问题描述】：

我有一个数据框，其中有一列包含 JSON 之类的 -

Player ID               Response
    1                 [{'id': '1-4', 'content': 'Develop'}, {'id': '1-3', 'content': 'Networking'}, {'id': '1-5', 'content': 'Opportunity'}]
    2                 [{'id': '1-4', 'content': 'Develop'}]
    3                 [{'id': '1-3', 'content': 'Networking'}, {'id': '1-4', 'content': 'Develop'}, {'id': '1-2', 'content': 'Excuse'}]
    4                 [{'id': '1-4', 'content': 'Develop'}, {'id': '1-6', 'content': 'Gain'}, {'id': '1-1', 'content': 'Different'}]

Response 列按顺序包含 1-3 个实体。我需要将此列重新排序为 -

  ID              Score     InResponse 
  1-1                1          1
  1-2                1          1
  1-3                5          2
  1-4               11          4 
  1-5                1          1
  1-6                2          1

其中，如果一个 ID 排名第一，则获得 3 分，如果排名第二，则获得 2 分，如果排名第三，则获得 1 分。因此，例如，1-4 在 3 个响应中排名第 1，在 1 个响应中排名第 2，因此，3x3 + 1x2 = 11 pts。 InResponse 表示该 ID 在数据框中出现的次数。

我试过了

pd.io.json.json_normalize(df.Q1.to_dict())

但由于某种原因，它给了我意想不到的结果。我该怎么做？

【问题讨论】：

标签： json python-3.x pandas dataframe

【解决方案1】：

这样做的一种方法是在您的数据框中应用一个函数，该函数将您需要添加到每个 JSON 元素的任何元数据附加到每个 JSON 元素中，然后将行单独分组回一个数据框，然后应用分组，例如在 python3 中。

# import data
df = pd.DataFrame(columns=['Player ID', 'Response'], 
                  data=[
                     [1,[{'id': '1-4', 'content': 'Develop'}, {'id': '1-3', 'content': 'Networking'}, {'id': '1-5', 'content': 'Opportunity'}]],
                     [2, [{'id': '1-4', 'content': 'Develop'}]],
                     [3, [{'id': '1-3', 'content': 'Networking'}, {'id': '1-4', 'content': 'Develop'}, {'id': '1-2', 'content': 'Excuse'}]],
                     [4, [{'id': '1-4', 'content': 'Develop'}, {'id': '1-6', 'content': 'Gain'}, {'id': '1-1', 'content': 'Different'}]]])


arr = []
def insert_metadata(row):
    i=0
    for item in row:
        item['score'] = 3-i 
        item['In Response'] = 1
        i+=1
        arr.append(item)
    return row

df['Response'].apply(insert_metadata)
final_df = pd.DataFrame(arr)
final_df.groupby('id').sum().reset_index()

【讨论】：

【解决方案2】：

我是这样做的 -

dict_response = {'1-1':0, '1-2':0, '1-3':0, '1-4':0, '1-5':0, '1-6':0, '1-7':0}
dict_occurrence = {'1-1':0, '1-2':0, '1-3':0, '1-4':0, '1-5':0, '1-6':0, '1-7':0}
for index, row in df.iterrows():
    dict_temp = json.loads(row['Response'].replace("'", '"'))
    dict_response[list(dict_temp[0].values())[0]] += 3
    dict_occurrence[list(dict_temp[0].values())[0]] += 1
    if len(dict_temp) > 1:
        dict_response[list(dict_temp[1].values())[0]] += 2
        dict_occurrence[list(dict_temp[1].values())[0]] += 1
    if len(dict_temp) > 2:
        dict_response[list(dict_temp[2].values())[0]] += 1
        dict_response[list(dict_temp[2].values())[0]] += 1

df_q1_responses = pd.DataFrame()
df_q1_responses['ID'] = dict_response.keys()
df_q1_responses['Points'] = df_q1_responses['ID'].map(dict_response)
df_q1_responses['Responses'] = df_q1_responses['ID'].map(dict_occurrence)
df_q1_responses

但我不太喜欢我的解决方案。如果您有任何改进或替代解决方案，请告诉我！

【讨论】：