Создайте Pandas DataFrame из глубоко вложенного JSON

Я пытаюсь создать единственный объект Pandas DataFrame из глубоко вложенной строки JSON.

Схема JSON:

{"intervals": [
{
pivots: "Jane Smith",
"series": [
    {
        "interval_id": 0,
        "p_value": 1
       },
     {
         "interval_id": 1,
         "p_value": 1.1162791357932633e-8
     },
   {
        "interval_id": 2,
        "p_value": 0.0000028675012051504467
     }
    ],
   },
  {

"pivots": "Bob Smith",
  "series": [
       {
            "interval_id": 0,
            "p_value": 1
           },
         {
             "interval_id": 1,
            "p_value": 1.1162791357932633e-8
         },
       {
            "interval_id": 2,
            "p_value": 0.0000028675012051504467
         }
       ]
     }
    ]
 }

Желаемый результат Мне нужно сгладить это, чтобы создать таблицу:

Actor Interval_id Interval_id Interval_id ... 
Jane Smith      1         1.1162        0.00000 ... 
Bob Smith       1         1.1162        0.00000 ...

Первый столбец - это значения Pivots, а остальные столбцы - значения ключей interval_id и p_value, хранящихся в списке series.

Пока у меня есть

import requests as r
import pandas as pd
actor_data = r.get("url/to/data").json['data']['intervals']
df = pd.DataFrame(actor_data)

actor_data - это список, где длина равна числу индивидуумов, т.е. pivots.values(). Объект df просто возвращает

<bound method DataFrame.describe of  pivots             Series
0           Jane Smith  [{u'p_value': 1.0, u'interval_id': 0}, {u'p_va...
1           Bob Smith  [{u'p_value': 1.0, u'interval_id': 0}, {u'p_va...
.
.
.

Как я могу перебирать этот список series, чтобы получить значения dict и создать N отдельных столбцов? Должен ли я попытаться создать DataFrame для списка series, изменить его, а затем связать столбцы с именами актеров?

UPDATE:

pvalue_list = [i['p_value'] for i in json_data['series']]

это дает мне список списков. Теперь мне нужно выяснить, как добавить каждый список в строку в DataFrame.

value_list = []
for i in pvalue_list:
    pvs = [j['p_value'] for j in i]
    value_list = value_list.append(pvs)
return value_list

Это возвращает NoneType

Решение

def get_hypthesis_data():
    raw_data = r.get("/url/to/data").json()['data']
    actor_dict = {}
    for actor_series in raw_data['intervals']:
        actor = actor_series['pivots']
        p_values = []
        for interval in actor_series['series']:
            p_values.append(interval['p_value'])
        actor_dict[actor] = p_values
    return pd.DataFrame(actor_dict).T

Возвращает правильный DataFrame. Я перенес его так, чтобы люди были рядами, а не столбцами.

Ответы

Ответ 1

Я думаю, что организация ваших данных таким образом, которая дает повторяющиеся имена столбцов, только создаст головные боли для вас позже в будущем. Лучшим подходом IMHO является создание столбца для каждого из pivots, interval_id и p_value. Это очень упростит запрос ваших данных после загрузки в pandas.

Кроме того, ваш JSON имеет некоторые ошибки. Я нашел его для поиска ошибок.

jq помогает здесь

import sh
jq = sh.jq.bake('-M')  # disable colorizing
json_data = "from above"
rule = """[{pivots: .intervals[].pivots, 
            interval_id: .intervals[].series[].interval_id,
            p_value: .intervals[].series[].p_value}]"""
out = jq(rule, _in=json_data).stdout
res = pd.DataFrame(json.loads(out))

Это даст результат, похожий на

    interval_id       p_value      pivots
32            2  2.867501e-06  Jane Smith
33            2  1.000000e+00  Jane Smith
34            2  1.116279e-08  Jane Smith
35            2  2.867501e-06  Jane Smith
36            0  1.000000e+00   Bob Smith
37            0  1.116279e-08   Bob Smith
38            0  2.867501e-06   Bob Smith
39            0  1.000000e+00   Bob Smith
40            0  1.116279e-08   Bob Smith
41            0  2.867501e-06   Bob Smith
42            1  1.000000e+00   Bob Smith
43            1  1.116279e-08   Bob Smith

Адаптировано из этого комментария

Конечно, вы всегда можете вызвать res.drop_duplicates(), чтобы удалить повторяющиеся строки. Это дает

In [175]: res.drop_duplicates()
Out[175]:
    interval_id       p_value      pivots
0             0  1.000000e+00  Jane Smith
1             0  1.116279e-08  Jane Smith
2             0  2.867501e-06  Jane Smith
6             1  1.000000e+00  Jane Smith
7             1  1.116279e-08  Jane Smith
8             1  2.867501e-06  Jane Smith
12            2  1.000000e+00  Jane Smith
13            2  1.116279e-08  Jane Smith
14            2  2.867501e-06  Jane Smith
36            0  1.000000e+00   Bob Smith
37            0  1.116279e-08   Bob Smith
38            0  2.867501e-06   Bob Smith
42            1  1.000000e+00   Bob Smith
43            1  1.116279e-08   Bob Smith
44            1  2.867501e-06   Bob Smith
48            2  1.000000e+00   Bob Smith
49            2  1.116279e-08   Bob Smith
50            2  2.867501e-06   Bob Smith

[18 rows x 3 columns]