如何将这种字典形式转换为pandas数据框？

Question

我现在正在使用Python的Pandas模块处理推文数据，但遇到了问题。

我想从这个字典中制作一个频率表（Pandas数据帧）：

d = {"Nigeria": 9, "India": 18, "Saudi Arabia": 9, "Japan": 60, "Brazil": 3, "United States": 38, "Spain": 5, "Russia": 3, "Ukraine": 3, "Azerbaijan": 5, "China": 1, "Germany": 3, "France": 12, "Philippines": 8, "Thailand": 5, "Argentina": 9, "Indonesia": 3, "Netherlands": 8, "Turkey": 2, "Mexico": 9, "Italy": 2}

期望的输出为：

>>> import pandas as pd
>>> df = pd.DataFrame(?????)
>>> df

Country      Count
Nigeria      9
India        18
Saudi Arabia 9
.
.
.

无论最左列是否有从0到n的索引，都可以帮我解决这个问题吗？

谢谢提前！

- joopyter

Answer 1

您只有一个系列（一列带有索引值的数据），因此这个方法可以起作用：

pd.Series(d, name='Count')

如果您想要，可以构建一个DataFrame：

df = pd.DataFrame(pd.Series(d, name='Count'))
df.index.name = 'Country'

现在你拥有：

               Count
Country             
Argentina          9
Azerbaijan         5
Brazil             3
...

- John Zwinck

---

我同意你所说的不够高效，没有想到使用pd.Series。 - Bharath M Shetty

太棒了！！被你的知识感动了！谢谢！ - joopyter

@John Zwinck 还有 pd.Series(d, name='Count').to_frame() 是另一种表示方式。 - Bharath M Shetty

Answer 2

将其作为列表传递

pd.DataFrame([d]).T.rename(columns={0:'count'})

这可能可以完成工作，但会降低性能，因为我们在说键是列，然后进行转置。因此，由于d.items()给出了元组，我们可以这样做：

df = pd.DataFrame(list(d.items()),columns=['country','count'])

df.head()
    country  count
0       Germany      3
1   Philippines      8
2        Mexico      9
3       Nigeria      9
4  Saudi Arabia      9

- Bharath M Shetty

---

这是低效的。 - John Zwinck

@John，为什么这个不高效？ - joaoavf

@joaoavf：这与Pandas的内部存储细节有关。根据％timeit，此解决方案比我的答案慢5倍。即使是@jezrael的解决方案，看起来可能不太快，但也比这个快得多。 - John Zwinck

@John 谢谢，很有趣的知识！ - joaoavf

Answer 3

使用 DataFrame 构造函数，将 values 和 keys 分别传递给列：

df = pd.DataFrame({'Country':list(d.keys()), 
                   'Count': list(d.values())}, columns=['Country','Count'])
print (df)
          Country  Count
0      Azerbaijan      5
1       Indonesia      3
2         Germany      3
3          France     12
4          Mexico      9
5           Italy      2
6           Spain      5
7          Brazil      3
8        Thailand      5
9       Argentina      9
10        Ukraine      3
11  United States     38
12         Turkey      2
13        Nigeria      9
14   Saudi Arabia      9
15    Philippines      8
16          China      1
17          Japan     60
18         Russia      3
19          India     18
20    Netherlands      8

- jezrael