构建字典 - 列表长度不同

Question

我想知道是否可以创建一个字典，并将其转换为Pandas数据帧，其中每个字典键都有一个值数组，但数组的长度会有所变化。

例如，col3只有2个值，而所有其他列表都有3个值。我能否以某种方式放置NaN来“填充”缺失的值，而不会出现错误？

col1 = ["Bottom", "sss", "ddd"]
col2 = ["boo", "sss", "foo"]
col3 = [999, 89]

d = {"Type": col1, "Style": col2, "Profit": col3}
df = pd.DataFrame.from_dict(d)

- OPM_OK

Answer 1

处理中

df=pd.DataFrame([col1,col2,col3],index=['T','S','P']).T
df
Out[165]: 
        T    S     P
0  Bottom  boo   999
1     sss  sss    89
2     ddd  foo  None

另一个选项。

pd.Series(d).apply(pd.Series).T
Out[174]: 
     Type Style Profit
0  Bottom   boo    999
1     sss   sss     89
2     ddd   foo    NaN

- BENY

---

有没有一种简单的方法将系列 P 转换为 float 类型？ - jpp

@jpp 我不这么认为，因为这是由 T 产生的结果。 - BENY

@jpp 一旦你构建好了数据框，你可以在你想要转换的序列上调用 .astype(np.float)。 - David O'Neill

Answer 2

不一定需要使用字典。可以使用itertools.zip_longest函数：

from itertools import zip_longest

df = pd.DataFrame(list(zip_longest(col1, col2, col3)),
                  columns=['Type', 'Style', 'Profit'])

print(df)

     Type Style  Profit
0  Bottom   boo   999.0
1     sss   sss    89.0
2     ddd   foo     NaN

注意 pd.DataFrame 构造函数足够智能，可以将数字系列转换为数字，即使输入的元组列表中每个元组包含混合类型。

- jpp

Answer 3

当然可以 - 你可以使用numpy.nan来填充缺失的值：

import numpy as np

col1 = ["Bottom", "sss", "ddd"]
col2 = ["boo", "sss", "foo"]
col3 = [999, 89, np.nan]

d = {"Type": col1, "Style": col2, "Profit": col3}
df = pd.DataFrame.from_dict(d)

输出

   Profit Style    Type
0   999.0   boo  Bottom
1    89.0   sss     sss
2     NaN   foo     ddd

- Tim

---

这很好，但有点繁琐。您建议如何使 OP 能够自动向每个输入列表添加所需数量的 np.nan 值？ - jpp

在我们获得的信息中，没有明显的方法 - 我们不知道哪个列表最长，或者NaN应该放在哪里等等。我主要发布这种方法是为了向OP展示np.nan数据类型是他想要的。 - Tim