> For the complete documentation index, see [llms.txt](https://bemind.gitbook.io/neural/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://bemind.gitbook.io/neural/python/python-lists/konvertaciya-spiska-slovarei-v-pandas-dataframe.md). # Конвертация списка словарей в Pandas DataFrame В этом учебнике вы научитесь преобразовывать список словарей Python в DataFrame Pandas. Pandas предлагает несколько способов преобразования словарей в DataFrame. Вы узнаете, как использовать метод `from_dict` Pandas, конструктор DataFrame и функцию К концу этого урока вы узнаете: * Как преобразовать список словарей в DataFrame Pandas * Как работать с разными наборами столбцов в словарях * Как установить индекс при преобразовании списка словарей в DataFrame * Как преобразовать вложенные словари в DataFrame Pandas Оглавление * [Краткое изложение методов](#kratkoe-izlozhenie-metodov) * [Преобразование списка словарей в фрейм данных Pandas](#preobrazovanie-spiska-slovarei-v-freim-dannykh-pandas) * [Работа с отсутствующими ключами при преобразовании списка словарей в таблицу данных Pandas](#rabota-s-otsutstvuyushimi-klyuchami-pri-preobrazovanii-spiska-slovarei-v-tablicu-dannykh-pandas) * [Чтение только некоторых столбцов при преобразовании списка словарей в таблицу данных Pandas](#chtenie-tolko-nekotorykh-stolbcov-pri-preobrazovanii-spiska-slovarei-v-tablicu-dannykh-pandas) * [Установка индекса при преобразовании списка словарей в таблицу данных Pandas](#ustanovka-indeksa-pri-preobrazovanii-spiska-slovarei-v-tablicu-dannykh-pandas) * [json\_normalize: чтение вложенных словарей в таблицу данных Pandas](#json_normalize-chtenie-vlozhennykh-slovarei-v-tablicu-dannykh-pandas) * [Заключение](#zaklyuchenie) * [Дополнительные ресурсы](#dopolnitelnye-resursy) ### Краткое изложение методов В таблице ниже приводятся различные способы чтения списка словарей в DataFrame Pandas. Каждый из этих методов рассмотрен детально в течение учебного пособия: | Имя метода | Работает с отсутствующими ключами | Читать только некоторые столбцы | Установить индекс | Чтение вложенных словарей | | --------------------- | --------------------------------- | ------------------------------- | ------------------------------ | ------------------------- | | **DataFrame()** | Да | Да | Да | Нет | | **from\_dict()** | Да | Да | Только используя`.set_index()` | Нет | | **from\_records()** | Да | Да | Да | Нет | | **json\_normalize()** | Да | Да | Да | Да | В этом разделе вы узнаете, как преобразовать список словарей в объект DataFrame с использованием класса `DataFrame` в Pandas. Передав список словарей, вы легко можете создать DataFrame. ### Преобразование списка словарей в фрейм данных Pandas В каждом словаре содержится запись в DataFrame, при этом ключи становятся столбцами. Давайте рассмотрим пример, где каждый словарь содержит все ключи: ```python # Преобразование списка словарей в DataFrame import pandas as pd list_of_dicts = [ {'Имя': 'Ник', 'Возраст': 33, 'Местоположение': 'Торонто'}, {'Имя': 'Кейт', 'Возраст': 32, 'Местоположение': 'Лондон'}, {'Имя': 'Иван', 'Возраст': 36, 'Местоположение': 'Лондон'}] df = pd.DataFrame(list_of_dicts) print(df) # Возвращает: # Имя Возраст Местоположение # 0 Ник 33 Торонто # 1 Кейт 32 Лондон # 2 Иван 36 Лондон ``` Поскольку каждый словарь в списке содержит одинаковые ключи, мы можем использовать несколько различных методов для достижения этой цели. Другие следующие методы также будут работать: ```python # Эти методы все производят один и тот же результат df = pd.DataFrame(list_of_dicts) df = pd.DataFrame.from_dict(list_of_dicts) df = pd.DataFrame.from_records(list_of_dicts) ``` ### Работа с отсутствующими ключами при преобразовании списка словарей в таблицу данных Pandas Давайте теперь рассмотрим более сложный пример. В приведенном ниже примере мы будем использовать словари, один из которых будет отсутствовать ключ. Давайте используем метод `.from_dict()` для чтения списка, чтобы увидеть, как будут прочитаны данные: ```python # Чтение словарей с отсутствующими ключами import pandas as pd list_of_dicts = [{'Имя': 'Ник', 'Возраст': 33, 'Местоположение': 'Торонто'}, {'Имя': 'Кейт', 'Возраст': 32, 'Местоположение': 'Лондон'}, {'Имя': 'Иван', 'Возраст': 36}] df = pd.DataFrame.from_dict(list_of_dicts) print(df) # Возвращает: # Имя Возраст Местоположение # 0 Ник 33 Торонто # 1 Кейт 32 Лондон # 2 Иван 36 NaN ``` Этот метод возвращает ту же версию, даже если вы используете конструктор `pd.DataFrame()`, метод `.from_dict()` или метод `.from_records()`. Любой словарь, в котором отсутствует ключ, вернет отсутствующее значение, `NaN`. ### Чтение только некоторых столбцов при преобразовании списка словарей в таблицу данных Pandas Часто бывают случаи, когда вам необходимо прочитать словари в Pandas DataFrame, но при этом интересуют только некоторые столбцы. В таком случае можно использовать параметр `columns=`. Обратите внимание, что этот параметр **доступен только в конструкторе `pd.DataFrame()` и методе `pd.DataFrame.from_records()`**. Использование этого параметра в методе `pd.DataFrame.from_dict()` приведет к возникновению `ValueError`. Давайте загрузим тот же список словарей, но прочитаем только два столбца: ```python # Чтение только подмножества столбцов import pandas as pd list_of_dicts = [{'Имя': 'Ник', 'Возраст': 33, 'Местоположение': 'Торонто'}, {'Имя': 'Кейт', 'Возраст': 32, 'Местоположение': 'Лондон'}, {'Имя': 'Иван', 'Возраст': 36}] df = pd.DataFrame.from_records(list_of_dicts, columns=['Имя', 'Возраст']) # То же самое: df = pd.DataFrame(list_of_dicts, columns=['Имя', 'Возраст']) print(df) # Возвращает: # Имя Возраст # 0 Ник 33 # 1 Кейт 32 # 2 Иван 36 ``` ### Установка индекса при преобразовании списка словарей в таблицу данных Pandas При создании DataFrame вы можете задать два различных типа индексов: 1. Индекс DataFrame, который не является частью читаемых данных (например, 1, 2, 3), или 2. Выберите столбец данных в качестве индекса DataFrame. Давайте рассмотрим первый пример использования. Для этого мы можем полагаться только на конструктор `pd.DataFrame()` и метод `pd.DataFrame.from_records()`. Чтобы передать произвольный индекс, мы можем использовать параметр `index=`, чтобы передать список значений. Давайте посмотрим, как это делается в Pandas: ```python # Установка индекса при чтении списка словарей import pandas as pd list_of_dicts = [{'Имя': 'Ник', 'Возраст': 33, 'Местоположение': 'Торонто'}, {'Имя': 'Кейт', 'Возраст': 32, 'Местоположение': 'Лондон'}, {'Имя': 'Иван', 'Возраст': 36, 'Местоположение': 'Нью-Йорк'}] df = pd.DataFrame.from_records(list_of_dicts, index=['Сотрудник_001', 'Сотрудник_002', 'Сотрудник_003']) # То же самое: df = pd.DataFrame(list_of_dicts, index=['Сотрудник_001', 'Сотрудник_002', 'Сотрудник_003']) print(df) # Возвращает: # Имя Возраст Местоположение # Сотрудник_001 Ник 33 Торонто # Сотрудник_002 Кейт 32 Лондон # Сотрудник_003 Иван 36 Нью-Йорк ``` Чтобы прочитать список словарей и установить индекс на основе одного из ключей, мы можем использовать любой из трех описанных выше методов. Хотя Pandas напрямую не предоставляет параметр для этого, мы можем использовать метод `.set_index()`, чтобы достичь желаемого. Давайте прочитаем наши данные и используем столбец `'Name'` в качестве индекса: ```python # Установка столбца в качестве индекса import pandas as pd list_of_dicts = [{'Имя': 'Ник', 'Возраст': 33, 'Местоположение': 'Торонто'}, {'Имя': 'Кейт', 'Возраст': 32, 'Местоположение': 'Лондон'}, {'Имя': 'Иван', 'Возраст': 36, 'Местоположение': 'Нью-Йорк'}] df = pd.DataFrame(list_of_dicts).set_index('Имя') # То же самое: df = pd.DataFrame.from_dict(list_of_dicts).set_index('Имя') # То же самое: df = pd.DataFrame.from_records(list_of_dicts).set_index('Имя') print(df) # Возвращает: # Возраст Местоположение # Имя # Ник 33 Торонто # Кейт 32 Лондон # Иван 36 Нью-Йорк ``` В заключительном разделе вы узнаете, как использовать функцию `json_normalize()` для чтения списка вложенных словарей в DataFrame Pandas. ### json\_normalize: чтение вложенных словарей в таблицу данных Pandas При загрузке данных из разных источников, таких как веб-API, вам может быть возвращен список вложенных словарей. При чтении этих списков словарей с помощью показанных выше методов вложенные словари просто будут возвращены как словари в столбце. Однако во многих случаях вы захотите, чтобы каждое из этих полей возвращало свой собственный столбец. Для этого мы можем использовать функцию `pd.json_normalize()` Давайте рассмотрим пример, где словари в нашем списке являются вложенными, и используем функцию json\_normalize для их преобразования в DataFrame: ```python # Преобразование списка вложенных словарей в DataFrame import pandas as pd list_of_dicts = [ {'Имя': 'Ник', 'Возраст': 33, 'Местоположение': {'Город': 'Торонто', 'Страна': 'Канада'}}, {'Имя': 'Кейт', 'Возраст': 32, 'Местоположение': {'Город': 'Лондон', 'Страна': 'Великобритания'}}, {'Имя': 'Иван', 'Возраст': 36, 'Местоположение': {'Город': 'Нью-Йорк', 'Страна': 'США'}} ] df = pd.json_normalize(list_of_dicts) print(df) # Возвращает: # Имя Возраст Местоположение.Город Местоположение.Страна # 0 Ник 33 Торонто Канада # 1 Кейт 32 Лондон Великобритания # 2 Иван 36 Нью-Йорк США ``` ### Заключение В этом учебнике вы узнали, как считывать список словарей в DataFrame Pandas. Вы узнали, как использовать четыре разных способа для достижения этого. Также вы научились считывать только подмножество столбцов, обрабатывать отсутствующие данные и как установить индекс. Наконец, вы узнали, как считывать список вложенных словарей в ваш DataFrame Pandas. ### Дополнительные ресурсы Чтобы узнать больше о смежных темах, ознакомьтесь с нижеследующими руководствами: * Словари Python: полный обзор * Индекс сброса Pandas: как сбросить индекс Pandas * Индекс переименования Pandas: как переименовать индекс Dataframe Pandas * [Официальная документация Pandas json\_normalize](https://pandas.pydata.org/docs/reference/api/pandas.json_normalize.html)