如何为 Pandas Dataframe 非规范化 YAML？

Question

我正在尝试将 YAML 文件中的数据导入 Pandas DataFrame。以下面的例子为例data.yml：

---
 - doc: "Book1"
   reviews:
     - reviewer: "Paul"
       stars: "5"
     - reviewer: "Sam"
       stars: "2"
 - doc: "Book2"
   reviews:
     - reviewer: "John"
       stars: "4"
     - reviewer: "Sam"
       stars: "3"
     - reviewer: "Pete"
       stars: "2"
...

所需的 DataFrame 如下所示：

     doc reviews.reviewer reviews.stars
0  Book1             Paul             5
1  Book1              Sam             2
2  Book2             John             4
3  Book2              Sam             3
4  Book2             Pete             2

我试过以不同的方式将 YAML 数据提供给 Pandas（如with open('data.yml') as f: data = pd.DataFrame(yaml.load(f))），但单元格始终包含嵌套的字典。此解决方案适用于一般 JSON 数据，但它的代码相当多，而且似乎可能存在更简单的 YAML 解决方案。

是否有内置的或 Pythonic 的方式来非规范化 YAML，以这种方式转换为 Pandas 数据帧？

Answer 1

现在使用上面的内容会导致 FutureWarning: pandas.io.json.json_normalize is deprecated, use pandas.json_normalize 相反

# lets say the yaml file is test_sample.yml
from pandas import json_normalize
from os import getcwd, path
from yaml import SafeLoader, load

path_to_yaml = path.join(getcwd(), ..., "test_sample.yaml")
with open(path_to_yaml) as yaml_file:
    yaml_contents = load(path_to_file, Loader=SafeLoader)
yaml_df = json_normalize(yaml_contents)

Answer 2

您应该json_normalize在 YAML 加载后使用扁平化字典：

pd.io.json.json_normalize(yaml.load(f), 'reviews', 'doc')

  reviewer stars    doc
0     Paul     5  Book1
1      Sam     2  Book1
2     John     4  Book2
3      Sam     3  Book2
4     Pete     2  Book2