将Python字典转换为数据框

Question

我有如下的Python字典：

{u'2012-06-08': 388,
 u'2012-06-09': 388,
 u'2012-06-10': 388,
 u'2012-06-11': 389,
 u'2012-06-12': 389,
 u'2012-06-13': 389,
 u'2012-06-14': 389,
 u'2012-06-15': 389,
 u'2012-06-16': 389,
 u'2012-06-17': 389,
 u'2012-06-18': 390,
 u'2012-06-19': 390,
 u'2012-06-20': 390,
 u'2012-06-21': 390,
 u'2012-06-22': 390,
 u'2012-06-23': 390,
 u'2012-06-24': 390,
 u'2012-06-25': 391,
 u'2012-06-26': 391,
 u'2012-06-27': 391,
 u'2012-06-28': 391,
 u'2012-06-29': 391,
 u'2012-06-30': 391,
 u'2012-07-01': 391,
 u'2012-07-02': 392,
 u'2012-07-03': 392,
 u'2012-07-04': 392,
 u'2012-07-05': 392,
 u'2012-07-06': 392}

键是Unicode日期，值是整数。我想通过将日期及其对应的值作为两个单独的列将其转换为pandas数据框。示例：col1：日期col2：DateValue（日期仍为Unicode，日期值仍为整数）

     Date         DateValue
0    2012-07-01    391
1    2012-07-02    392
2    2012-07-03    392
.    2012-07-04    392
.    ...           ...
.    ...           ...

.
对此方向的任何帮助将不胜感激。我找不到有关熊猫文档的资源来帮助我。

我知道一种解决方案可能是将此dict中的每个键值对转换为dict，以便整个结构成为dict的dict，然后我们可以将每一行分别添加到数据帧中。但我想知道是否有更简单的方法和更直接的方法来执行此操作。

到目前为止，我已经尝试将dict转换为series对象，但这似乎并不维护各列之间的关系：

s  = Series(my_dict,index=my_dict.keys())

Answer 1

将字典的项目传递给DataFrame构造函数，并指定列名称。之后，解析Date列以获取Timestamp值。

注意python 2.x和3.x之间的区别：

在python 2.x中：

df = pd.DataFrame(data.items(), columns=['Date', 'DateValue'])
df['Date'] = pd.to_datetime(df['Date'])

在Python 3.x中：（需要一个附加的“列表”）

df = pd.DataFrame(list(data.items()), columns=['Date', 'DateValue'])
df['Date'] = pd.to_datetime(df['Date'])

Answer 2

将字典转换为pandas数据框时，你希望键是该数据框的列，而值是行值，则只需在字典周围放置方括号，如下所示：

new_dict = {'key 1': 'value 1', 'key 2': 'value 2', 'key 3': 'value 3'}

In[33]:pd.DataFrame([new_dict])
Out[33]: 
    key 1     key 2     key 3
0   value 1   value 2   value 3

它免除了我的头疼，所以我希望它可以帮助某个人！

Answer 3

这里的错误是因为用标量值调用DataFrame构造函数（它期望值是列表/字典/ …，即具有多个列）：

pd.DataFrame(d)
ValueError: If using all scalar values, you must must pass an index

你可以从字典中获取项目（即键值对）：

In [11]: pd.DataFrame(d.items())  # or list(d.items()) in python 3
Out[11]:
             0    1
0   2012-07-02  392
1   2012-07-06  392
2   2012-06-29  391
3   2012-06-28  391
...

In [12]: pd.DataFrame(d.items(), columns=['Date', 'DateValue'])
Out[12]:
          Date  DateValue
0   2012-07-02        392
1   2012-07-06        392
2   2012-06-29        391

但是我认为传递Series构造函数更有意义：

In [21]: s = pd.Series(d, name='DateValue')
Out[21]:
2012-06-08    388
2012-06-09    388
2012-06-10    388

In [22]: s.index.name = 'Date'

In [23]: s.reset_index()
Out[23]:
          Date  DateValue
0   2012-06-08        388
1   2012-06-09        388
2   2012-06-10        388