使用 pandas 过滤和排序数据答案

【问题标题】：Filtering and sorting data with pandas使用 pandas 过滤和排序数据
【发布时间】：2015-12-17 21:33:47
【问题描述】：

我想从API 获取部分信息，但我不知道如何过滤数据（我只想获取选定的值，如果键不包含“BTC”字符串，则不获取值) 我正在尝试做这样的事情：

{"BTC_MINT":{"volume":11.00, "high24":0.002, "low24":0.001},
 "BTC_NOTE":{"volume":11.00, "high24":0.002, "low24":0.001}}

我从 pandas 开始，但我不知道它是否正确。

link = 'https://poloniex.com/public?command=returnTicker'
with urllib.request.urlopen(link) as rawdata:
    data = rawdata.readall().decode()
data = json.loads(data)
print(data.items())
data = pd.DataFrame([[cur, last, volume, high24, low24] 
                     for cur, d in data.items() 
                     for last, x, x, x, volume, x, x, high24, low24 in d.items()])

很遗憾，此代码不起作用。我收到以下错误：

[cur, last, volume, high24, low24] for cur, d, x, w, d, q in data.items() for last, x, x, x, volume, x, x, high24, low24 in d.items()
ValueError: need more than 2 values to unpack

有人可以帮忙告诉我该怎么做吗？

【问题讨论】：

标签： python json pandas

【解决方案1】：

df = pd.DataFrame({symbol: {"baseVolume": data[symbol].get("baseVolume"), 
                            "high24hr": data[symbol].get("high24hr"), 
                            "low24hr": data[symbol].get("low24hr")} 
                   for symbol in data}).T
>>> df.head()
          baseVolume    high24hr     low24hr
BTC_1CR   0.00000000  0.00000000  0.00000000
BTC_ABY   0.01968682  0.00000020  0.00000019
BTC_ADN   0.00000000  0.00000000  0.00000000
BTC_ARCH  0.07205024  0.00004813  0.00004693
BTC_BBR   0.19846259  0.00002123  0.00002115

要获取索引中以BTC 开头的名称，请执行以下操作：

>>> df[df.index.str.startswith('BTC')].head()

          baseVolume    high24hr     low24hr
BTC_1CR   0.00000000  0.00000000  0.00000000
BTC_ABY   0.01968682  0.00000020  0.00000019
BTC_ADN   0.00000000  0.00000000  0.00000000
BTC_ARCH  0.07205024  0.00004813  0.00004693
BTC_BBR   0.19846259  0.00002123  0.00002115

【讨论】：

【解决方案2】：

您可以将字典（数据）传递给 pd.Dataframe 以创建 pandas 数据框。如果您想将其子集化为仅包含其中包含字符串 BTC 的列，您可以这样做：

df = pd.DataFrame(data)
new_cols = [x for x in df.columns if x.find('BTC') > -1]
new_df = df[new_cols]

【讨论】：