根据模式使用额外空列的Pands json_normalize
根据模式使用额外空列的Pands json_normalize
提问于 2021-07-02 20:48:42
如何使用模式强制熊猫添加只包含NaN值的额外列。我的数据格式化为JSON记录，但是当一个字段不存在于记录中时，它在JSON表示中没有键，而不是一个NaN值。对于我希望拥有的模式中的某些列，在任何记录中都没有它的数据，因此它不会出现在JSON对象中，而且pd.json_normalize也不会为它创建一个列。如何强制pd.json_normalize的结果根据模式拥有所有列，如果该列没有可用的数据，则拥有一个包含所有NaN的列。
下面是我所拥有的数据和所需格式的示例：
data = [
{'foo': 'foo_value', 'bar': {'1': 'bar1', '2': 'bar2'}},
{'foo': 'foo_value_2'}
]
desired_columns = ['foo', 'bar.1', 'bar.2', 'nodata.1', 'nodata.2']如果我使用pd.json_normalize，我得到：
>>> pd.json_normalize(data)
foo bar.1 bar.2
0 foo_value bar1 bar2
1 foo_value_2 NaN NaN相反，我想得到：
foo bar.1 bar.2 nodata.1 nodata.2
0 foo_value bar1 bar2 NaN NaN
1 foo_value_2 NaN NaN NaN NaN我该怎么做？
Stack Overflow用户
回答已采纳
发布于 2021-07-02 21:22:43
不能用json_normalize设置空列。因此，您要么必须手动设置它们：
import numpy as np
df["nodata.1"] = np.nan
df["nodata.2"] = np.nan或者将nodata添加到第一个列表项目中，然后加载到熊猫中：
data = [
{'foo': 'foo_value', 'bar': {'1': 'bar1', '2': 'bar2'}},
{'foo': 'foo_value_2'}
]
data[0]['nodata'] = {'1': np.nan, '2': np.nan}
pd.json_normalize(data)页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/68231131
复制相关文章
相似问题
腾讯云开发者
