从 pandas 数据框中提取字典值

Question

我需要从 .json 文件导入的数据集中添加额外的功能。

它看起来是这样的：

f1 = pd.read_json('https://raw.githubusercontent.com/ansymo/msr2013-bug_dataset/master/data/v02/eclipse/short_desc.json')

print(f1.head())


                                               short_desc
1       [{'when': 1002742486, 'what': 'Usability issue...
10      [{'when': 1002742495, 'what': 'API - VCM event...
100     [{'when': 1002742586, 'what': 'Would like a wa...
10000   [{'when': 1014113227, 'what': 'getter/setter c...
100001  [{'when': 1118743999, 'what': 'Create Help Ind...

本质上，我需要将“short_desc”作为列名称，并用其正下方的字符串值填充它：“可用性问题...”

到目前为止，我已经尝试过以下操作：

f1['desc'] = pd.DataFrame([x for x in f1['short_desc']])

Wrong number of items passed 19, placement implies 1

有没有一种简单的方法可以在不使用循环的情况下完成此任务？有人能指出这个新手正确的方向吗？

Answer 1

不要初始化数据框并尝试将其分配给列 - 列就是这样的pd.Series。

您应该直接分配列表理解，如下所示：

f1['desc'] = [x[0]['what'] for x in f1['short_desc']]

作为替代方案，我会提出一个不涉及任何 lambda 函数的解决方案，使用operator和pd.Series.apply：

import operator

f1['desc'] = f1.short_desc.apply(operator.itemgetter(0))\
                             .apply(operator.itemgetter('what'))
print(f1.desc.head())

1           Usability issue with external editors (1GE6IRL)
10                   API - VCM event notification (1G8G6RR)
100       Would like a way to take a write lock on a tea...
10000     getter/setter code generation drops "F" in ".....
100001    Create Help Index Fails with seemingly incorre...
Name: desc, dtype: object