Come json_normalize una colonna con NaNs

Question

• Questa domanda è specifica per le colonne di dati in un file pandas.DataFrame
• Questa domanda dipende se i valori nelle colonne sono str, dicto listtipo.
• Questa domanda riguarda la gestione dei NaNvalori, quando df.dropna().reset_index(drop=True)non è un'opzione valida.

Caso 1

• Con una colonna di strtipo, i valori nella colonna devono essere convertiti in dicttipo, con ast.literal_eval, prima dell'uso .json_normalize.

import numpy as np
import pandas as pd
from ast import literal_eval

df = pd.DataFrame({'col_str': ['{"a": "46", "b": "3", "c": "12"}', '{"b": "2", "c": "7"}', '{"c": "11"}', np.NaN]})

                            col_str
0  {"a": "46", "b": "3", "c": "12"}
1              {"b": "2", "c": "7"}
2                       {"c": "11"}
3                               NaN

type(df.iloc[0, 0])
[out]: str

df.col_str.apply(literal_eval)

Errore:

df.col_str.apply(literal_eval) results in ValueError: malformed node or string: nan

Caso 2

• Con una colonna di dicttipo, utilizzare pandas.json_normalizeper convertire le chiavi in ​​intestazioni di colonna e i valori in righe

df = pd.DataFrame({'col_dict': [{"a": "46", "b": "3", "c": "12"}, {"b": "2", "c": "7"}, {"c": "11"}, np.NaN]})

                           col_dict
0  {'a': '46', 'b': '3', 'c': '12'}
1              {'b': '2', 'c': '7'}
2                       {'c': '11'}
3                               NaN

type(df.iloc[0, 0])
[out]: dict

pd.json_normalize(df.col_dict)

Errore:

pd.json_normalize(df.col_dict) results in AttributeError: 'float' object has no attribute 'items'

Caso 3

• In una colonna di strtipo, con l' dictinterno a list.
• Per normalizzare la colonna
  • applicare literal_eval, perché explode non funziona sul strtipo
  • esplodere la colonna per separare le dictsrighe separate
  • normalizzare la colonna

df = pd.DataFrame({'col_str': ['[{"a": "46", "b": "3", "c": "12"}, {"b": "2", "c": "7"}]', '[{"b": "2", "c": "7"}, {"c": "11"}]', np.nan]})

                                                    col_str
0  [{"a": "46", "b": "3", "c": "12"}, {"b": "2", "c": "7"}]
1                       [{"b": "2", "c": "7"}, {"c": "11"}]
2                                                       NaN

type(df.iloc[0, 0])
[out]: str
    
df.col_str.apply(literal_eval)

Errore:

df.col_str.apply(literal_eval) results in ValueError: malformed node or string: nan

Answer 1

• Come sottolineato in un commento, c'è sempre la possibilità di:
  • df = df.dropna().reset_index(drop=True)
  • Va bene per i dati fittizi qui o quando si tratta di un dataframe in cui le altre colonne non contano.
  • Non è un'ottima opzione per i dataframe con colonne aggiuntive necessarie.

Caso 1

• Poiché la colonna contiene strtipi, riempire con '{}'(a str)

import numpy as np
import pandas as pd
from ast import literal_eval

df = pd.DataFrame({'col_str': ['{"a": "46", "b": "3", "c": "12"}', '{"b": "2", "c": "7"}', '{"c": "11"}', np.NaN]})

                            col_str
0  {"a": "46", "b": "3", "c": "12"}
1              {"b": "2", "c": "7"}
2                       {"c": "11"}
3                               NaN

type(df.iloc[0, 0])
[out]: str

# fillna
df.col_str = df.col_str.fillna('{}')

# convert the column to dicts
df.col_str = df.col_str.apply(literal_eval)

# use json_normalize
df = df.join(pd.json_normalize(df.col_str)).drop(columns=['col_str'])

# display(df)
     a    b    c
0   46    3   12
1  NaN    2    7
2  NaN  NaN   11
3  NaN  NaN  NaN

Caso 2

• Poiché la colonna contiene dicttipi, riempire con {}(non a str)
• Questo deve essere riempito usando una comprensione dei dettami, poiché fillna({})non funziona

df = pd.DataFrame({'col_dict': [{"a": "46", "b": "3", "c": "12"}, {"b": "2", "c": "7"}, {"c": "11"}, np.NaN]})

                           col_dict
0  {'a': '46', 'b': '3', 'c': '12'}
1              {'b': '2', 'c': '7'}
2                       {'c': '11'}
3                               NaN

type(df.iloc[0, 0])
[out]: dict
    
# fillna
df.col_dict = df.col_dict.fillna({i: {} for i in df.index})

# use json_normalize
df = df.join(pd.json_normalize(df.col_dict)).drop(columns=['col_dict'])

# display(df)
     a    b    c
0   46    3   12
1  NaN    2    7
2  NaN  NaN   11
3  NaN  NaN  NaN

Caso 3

1. Riempi NaNscon '[]'(a str)
2. Ora literal_evalfunzionerà
3. .explodepuò essere utilizzato sulla colonna per separare i dictvalori in righe
4. Ora il NaNsbisogno di essere riempito con {}(non a str)
5. Quindi la colonna può essere normalizzata

• Nel caso in cui la colonna sia listsdi dicts, che non sia strtipo, vai a .explode.

df = pd.DataFrame({'col_str': ['[{"a": "46", "b": "3", "c": "12"}, {"b": "2", "c": "7"}]', '[{"b": "2", "c": "7"}, {"c": "11"}]', np.nan]})

                                                    col_str
0  [{"a": "46", "b": "3", "c": "12"}, {"b": "2", "c": "7"}]
1                       [{"b": "2", "c": "7"}, {"c": "11"}]
2                                                       NaN

type(df.iloc[0, 0])
[out]: str
    
# fillna
df.col_str = df.col_str.fillna('[]')

# literal_eval
df.col_str = df.col_str.apply(literal_eval)

# explode
df = df.explode('col_str').reset_index(drop=True)

# fillna again
df.col_str = df.col_str.fillna({i: {} for i in df.index})

# use json_normalize
df = df.join(pd.json_normalize(df.col_str)).drop(columns=['col_str'])

# display(df)
     a    b    c
0   46    3   12
1  NaN    2    7
2  NaN    2    7
3  NaN  NaN   11
4  NaN  NaN  NaN