Jak json_normalize a column with NaNs

Question

• To pytanie dotyczy kolumn danych w pliku pandas.DataFrame
• To pytanie zależy od tego, czy wartości w kolumnach są str, dictlub listtyp.
• To pytanie dotyczy radzenia sobie z NaNwartościami, kiedy df.dropna().reset_index(drop=True)nie jest prawidłową opcją.

Przypadek 1

• W przypadku kolumny strtypu wartości w kolumnie muszą zostać przekonwertowane na dicttyp z ast.literal_evalprzed użyciem .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)

Błąd:

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

Przypadek 2

• W przypadku kolumny dicttypu użyj, pandas.json_normalizeaby przekonwertować klucze na nagłówki kolumn i wartości na wiersze

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)

Błąd:

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

Przypadek 3

• W kolumnie strtypu, dictwewnątrz a list.
• Aby znormalizować kolumnę
  • zastosuj literal_eval, ponieważ eksploduj nie działa na strczcionce
  • rozbić kolumnę, aby oddzielić, dictsaby oddzielić wiersze
  • znormalizuj kolumnę

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)

Błąd:

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

Answer 1

• Jak wskazano w komentarzu, zawsze istnieje możliwość:
  • df = df.dropna().reset_index(drop=True)
  • Jest to dobre w przypadku fikcyjnych danych tutaj lub w przypadku ramki danych, w której inne kolumny nie mają znaczenia.
  • Niezbyt dobra opcja dla ramek danych z dodatkowymi kolumnami, które są wymagane.

Przypadek 1

• Ponieważ kolumna zawiera strtypy, wypełnij '{}'(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

Przypadek 2

• Ponieważ kolumna zawiera dicttypy, wypełnij {}(nie a str)
• To musi być wypełnione za pomocą dyktowania ze zrozumieniem, ponieważ fillna({})nie działa

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

Przypadek 3

1. Napełnić NaNsz '[]'(a str)
2. Teraz literal_evalzadziała
3. .explodemożna użyć w kolumnie, aby oddzielić dictwartości do wierszy
4. Teraz NaNspotrzeba do wypełnienia {}(nie a str)
5. Następnie kolumnę można znormalizować

• W przypadku, gdy kolumna jest listso dicts, że nie są strtypu, przejdź do .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