Pandas列内の辞書/リストを個別の列に分割する

postgreSQLデータベースにデータを保存しています。私はPython2.7を使用してこのデータをクエリし、Pandas DataFrameに変換しています。ただし、このデータフレームの最後の列には、その中に値の辞書（またはリスト？）があります。DataFrameは次のようになります。

[1] df
Station ID     Pollutants
8809           {"a": "46", "b": "3", "c": "12"}
8810           {"a": "36", "b": "5", "c": "8"}
8811           {"b": "2", "c": "7"}
8812           {"c": "11"}
8813           {"a": "82", "c": "15"}

この列を個別の列に分割して、DataFrameが次のようになるようにする必要があります。

[2] df2
Station ID     a      b       c
8809           46     3       12
8810           36     5       8
8811           NaN    2       7
8812           NaN    NaN     11
8813           82     NaN     15

私が抱えている主な問題は、リストが同じ長さではないということです。ただし、すべてのリストには、同じ3つの値（a、b、c）しか含まれていません。そして、それらは常に同じ順序で表示されます（1番目、b 2番目、c 3番目）。

次のコードは、機能し、私が望んでいたもの（df2）を正確に返すために使用されました。

[3] df 
[4] objs = [df, pandas.DataFrame(df['Pollutant Levels'].tolist()).iloc[:, :3]]
[5] df2 = pandas.concat(objs, axis=1).drop('Pollutant Levels', axis=1)
[6] print(df2)

先週このコードを実行していたところ、問題なく動作していました。しかし、今私のコードは壊れており、[4]行目からこのエラーが発生します。

IndexError: out-of-bounds on slice (end) 

コードは変更しませんでしたが、エラーが発生しています。これは、私の方法が堅牢または適切ではないためだと思います。

このリストの列を個別の列に分割する方法についての提案やガイダンスは非常に高く評価されます！

編集：私は.tolist（）と.applyメソッドが1つのユニコード文字列であるため、私のコードでは機能していないと思います、すなわち：

#My data format 
u{'a': '1', 'b': '2', 'c': '3'}

#and not
{u'a': '1', u'b': '2', u'c': '3'}

データはこの形式でpostgreSQLデータベースからインポートされます。この問題に関するヘルプやアイデアはありますか？ユニコードを変換する方法はありますか？

文字列を実際の辞書に変換するには、次のようにしますdf['Pollutant Levels'].map(eval)。その後、以下のソリューションを使用して、dictを別の列に変換できます。

小さな例を使用すると、次のように使用できます.apply(pd.Series)。

In [2]: df = pd.DataFrame({'a':[1,2,3], 'b':[{'c':1}, {'d':3}, {'c':5, 'd':6}]})

In [3]: df
Out[3]:
   a                   b
0  1           {u'c': 1}
1  2           {u'd': 3}
2  3  {u'c': 5, u'd': 6}

In [4]: df['b'].apply(pd.Series)
Out[4]:
     c    d
0  1.0  NaN
1  NaN  3.0
2  5.0  6.0

それを残りのデータフレームと組み合わせるにはconcat、他の列で上記の結果を得ることができます。

In [7]: pd.concat([df.drop(['b'], axis=1), df['b'].apply(pd.Series)], axis=1)
Out[7]:
   a    c    d
0  1  1.0  NaN
1  2  NaN  3.0
2  3  5.0  6.0

あなたのコードを使用して、これは私がiloc部分を省略した場合にも機能します：

In [15]: pd.concat([df.drop('b', axis=1), pd.DataFrame(df['b'].tolist())], axis=1)
Out[15]:
   a    c    d
0  1  1.0  NaN
1  2  NaN  3.0
2  3  5.0  6.0

質問がかなり古いことは知っていますが、答えを探してここに来ました。実際にこれを使用してこれを行うより良い（そしてより速い）方法がありますjson_normalize：

import pandas as pd

df2 = pd.json_normalize(df['Pollutant Levels'])

これにより、コストのかかる適用機能を回避できます...

これを試してください： SQLから返されたデータは、Dictに変換する必要があります。 それとも"Pollutant Levels" 今かもしれない Pollutants'

   StationID                   Pollutants
0       8809  {"a":"46","b":"3","c":"12"}
1       8810   {"a":"36","b":"5","c":"8"}
2       8811            {"b":"2","c":"7"}
3       8812                   {"c":"11"}
4       8813          {"a":"82","c":"15"}


df2["Pollutants"] = df2["Pollutants"].apply(lambda x : dict(eval(x)) )
df3 = df2["Pollutants"].apply(pd.Series )

    a    b   c
0   46    3  12
1   36    5   8
2  NaN    2   7
3  NaN  NaN  11
4   82  NaN  15


result = pd.concat([df, df3], axis=1).drop('Pollutants', axis=1)
result

   StationID    a    b   c
0       8809   46    3  12
1       8810   36    5   8
2       8811  NaN    2   7
3       8812  NaN  NaN  11
4       8813   82  NaN  15

マーリンの答えはより良く、非常に簡単ですが、ラムダ関数は必要ありません。辞書の評価は、以下に示すように、次の2つの方法のいずれかで安全に無視できます。

方法1：2つのステップ

# step 1: convert the `Pollutants` column to Pandas dataframe series
df_pol_ps = data_df['Pollutants'].apply(pd.Series)

df_pol_ps:
    a   b   c
0   46  3   12
1   36  5   8
2   NaN 2   7
3   NaN NaN 11
4   82  NaN 15

# step 2: concat columns `a, b, c` and drop/remove the `Pollutants` 
df_final = pd.concat([df, df_pol_ps], axis = 1).drop('Pollutants', axis = 1)

df_final:
    StationID   a   b   c
0   8809    46  3   12
1   8810    36  5   8
2   8811    NaN 2   7
3   8812    NaN NaN 11
4   8813    82  NaN 15

方法2：上記の2つのステップを一度に組み合わせることができます。

df_final = pd.concat([df, df['Pollutants'].apply(pd.Series)], axis = 1).drop('Pollutants', axis = 1)

df_final:
    StationID   a   b   c
0   8809    46  3   12
1   8810    36  5   8
2   8811    NaN 2   7
3   8812    NaN NaN 11
4   8813    82  NaN 15

「汚染物質」列を抽出する方法を強くお勧めします。

df_pollutants = pd.DataFrame(df['Pollutants'].values.tolist(), index=df.index)

それよりもはるかに速いです

df_pollutants = df['Pollutants'].apply(pd.Series)

dfのサイズが巨大な場合。

あなたは使うことができjoinてpop+ tolist。パフォーマンスは、に匹敵するconcatとdrop+ tolistが、いくつかは、この構文クリーナーを見つけることがあります。

res = df.join(pd.DataFrame(df.pop('b').tolist()))

他の方法によるベンチマーク：

df = pd.DataFrame({'a':[1,2,3], 'b':[{'c':1}, {'d':3}, {'c':5, 'd':6}]})

def joris1(df):
    return pd.concat([df.drop('b', axis=1), df['b'].apply(pd.Series)], axis=1)

def joris2(df):
    return pd.concat([df.drop('b', axis=1), pd.DataFrame(df['b'].tolist())], axis=1)

def jpp(df):
    return df.join(pd.DataFrame(df.pop('b').tolist()))

df = pd.concat([df]*1000, ignore_index=True)

%timeit joris1(df.copy())  # 1.33 s per loop
%timeit joris2(df.copy())  # 7.42 ms per loop
%timeit jpp(df.copy())     # 7.68 ms per loop

1行のソリューションは次のとおりです。

>>> df = pd.concat([df['Station ID'], df['Pollutants'].apply(pd.Series)], axis=1)
>>> print(df)
   Station ID    a    b   c
0        8809   46    3  12
1        8810   36    5   8
2        8811  NaN    2   7
3        8812  NaN  NaN  11
4        8813   82  NaN  15

my_df = pd.DataFrame.from_dict(my_dict, orient='index', columns=['my_col'])

.. dictを適切に解析し（各dictキーを個別のdf列に入れ、キー値をdf行に入れる）、そのため、最初にdictが1つの列に押しつぶされることはありません。

これらの手順をメソッドに連結しました。データフレームと展開するdictを含む列のみを渡す必要があります。

def expand_dataframe(dw: pd.DataFrame, column_to_expand: str) -> pd.DataFrame:
    """
    dw: DataFrame with some column which contain a dict to expand
        in columns
    column_to_expand: String with column name of dw
    """
    import pandas as pd

    def convert_to_dict(sequence: str) -> Dict:
        import json
        s = sequence
        json_acceptable_string = s.replace("'", "\"")
        d = json.loads(json_acceptable_string)
        return d    

    expanded_dataframe = pd.concat([dw.drop([column_to_expand], axis=1),
                                    dw[column_to_expand]
                                    .apply(convert_to_dict)
                                    .apply(pd.Series)],
                                    axis=1)
    return expanded_dataframe

df = pd.concat([df['a'], df.b.apply(pd.Series)], axis=1)