Как json_normalize столбец с NaN

Question

• Этот вопрос относится к столбцам данных в pandas.DataFrame
• Этот вопрос зависит от того, если значения в столбцах str, dictили listтип.
• Этот вопрос касается работы со NaNзначениями, когда df.dropna().reset_index(drop=True)это недопустимый вариант.

Случай 1

• Для столбца strтипа значения в столбце должны быть преобразованы в dictтип, с ast.literal_eval, перед использованием .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)

Ошибка:

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

Случай 2

• Для столбца dictтипа используйте pandas.json_normalizeдля преобразования ключей в заголовки столбцов и значений в строки.

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)

Ошибка:

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

Случай 3

• В столбце strтипа с dictвнутренним list.
• Чтобы нормализовать столбец
  • применить literal_eval, потому что разнесение не работает с strтипом
  • взорвать столбец, чтобы разделить на dictsотдельные строки
  • нормализовать столбец

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)

Ошибка:

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

Answer 1

• Как указано в комментарии, всегда есть возможность:
  • df = df.dropna().reset_index(drop=True)
  • Это нормально для фиктивных данных здесь или при работе с фреймом данных, где другие столбцы не имеют значения.
  • Не лучший вариант для фреймов данных с дополнительными столбцами, которые необходимы.

Случай 1

• Поскольку столбец содержит strтипы, заполните его с помощью '{}'(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

Случай 2

• Поскольку столбец содержит dictтипы, заполните его {}(не str)
• Это необходимо заполнить с помощью dict-computing, поскольку fillna({})не работает

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

Случай 3

1. Наполните NaNsс '[]'(а str)
2. Сейчас literal_evalбудет работать
3. .explodeможет использоваться в столбце для разделения dictзначений на строки
4. Теперь NaNsнужно заполнить {}(а не str)
5. Тогда столбец можно нормализовать

• Для случая , когда колонна listsиз dicts, которые не strтипа, переходите к .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