将带有列表和字典的字典转换为df答案

【问题标题】：Convert dict with list and dict inside to a df将带有列表和字典的字典转换为df
【发布时间】：2021-04-16 17:58:46
【问题描述】：

我有点问题。我有一个看起来像这样的字典：

example_dict = {"AUTHID":[],"visibility":[], "game_owned": {"game_name": [], "game_playtime":[]}}

我正在 Steam 网站上使用 ID 作为 API 中的密钥来获取数据以获取数据。基本上，里面有一些内容，字典应该是这样的：

example_dict = {"AUTHID":[7541,4878,1014],"visibility":["Yes","No","Yes"], "game_owned": {"game_name": [[CounterStrike, TF2], "None", [CounterStrike,Isaac, Bioshock]], "game_playtime":[[45,14],"None",[1,85,10]}}

我现在想要的是把这个字典转换成一个数据框，所以它看起来像这样：

ID	Visibility	CounterStrike	TF2	Isaac	Bioshock
7541	yes	45	14	None	None
4878	no	None	None	None	None
1014	yes	1	None	85	10

但是这个过程太复杂了，我对 dict 和 pandas 不太放心，所以我几乎不知道如何进行。如果有人可以帮助我，将不胜感激，因为我很迷茫。

【问题讨论】：

标签： python pandas dataframe dictionary

【解决方案1】：

我们可以尝试通过使嵌套列表中的记录出现在 game_name 和 game_playtime 键中来展平嵌套字典 game_owned，然后从这些记录和 join 中准备一个名为 games 的数据框从键 AUTHID 和 visibility 创建的数据框

g = dct['game_owned']
games = pd.DataFrame([dict(zip(x, y)) if x != 'None' else {}
                     for x, y in zip(g['game_name'], g['game_playtime'])])
                     
df = pd.DataFrame({k: dct[k] for k in ('AUTHID', 'visibility')}).join(games)

替代纯基于 pandas 的丑陋方法，我认为它的效率应该低于第一种方法

pd.json_normalize(dct).apply(pd.Series.explode)\
  .set_index(['AUTHID', 'visibility']).apply(pd.Series.explode)\
  .set_index('game_owned.game_name', append=True)['game_owned.game_playtime']\
            .unstack().drop('None', 1).reset_index().rename_axis(columns=None)

>>> df

   AUTHID visibility  CounterStrike   TF2  Isaac  Bioshock
0    7541        Yes           45.0  14.0    NaN       NaN
1    4878         No            NaN   NaN    NaN       NaN
2    1014        Yes            1.0   NaN   85.0      10.0

【讨论】：

效果很好。谢谢你，你真的是救命恩人！
@Jauhnax 很高兴为您提供帮助！