按发生顺序解析dataframe列中的JSON
我有一个数据框，其中有一个包含JSON的列-
Player ID Response
1 [{'id': '1-4', 'content': 'Develop'}, {'id': '1-3', 'content': 'Networking'}, {'id': '1-5', 'content': 'Opportunity'}]
2 [{'id': '1-4', 'content': 'Develop'}]
3 [{'id': '1-3', 'content': 'Networking'}, {'id': '1-4', 'content': 'Develop'}, {'id': '1-2', 'content': 'Excuse'}]
4 [{'id': '1-4', 'content': 'Develop'}, {'id': '1-6', 'content': 'Gain'}, {'id': '1-1', 'content': 'Different'}]
其中“响应”列按顺序包含1-3个实体。我需要将该列重新排序为-
ID Score InResponse
1-1 1 1
1-2 1 1
1-3 5 2
1-4 11 4
1-5 1 1
1-6 2 1
其中，如果ID顺序为1，则获得3分；如果ID为第二，则获得2分；如果ID为3，则获得1分。因此，例如1-4是3响应中的第1响应，而2则是2的响应，因此3x3 + 1x2 = 11 pts。“ InResponse”表示该ID在数据帧中出现了多少次。
我试过了
pd.io.json.json_normalize(df.Q1.to_dict())
但由于某种原因，它给了我意外的结果。我怎样才能做到这一点？
问题来源：stackoverflow
展开
收起
1
条回答
写回答
写回答
-
我做了这样的事情-
dict_response = {'1-1':0, '1-2':0, '1-3':0, '1-4':0, '1-5':0, '1-6':0, '1-7':0} dict_occurrence = {'1-1':0, '1-2':0, '1-3':0, '1-4':0, '1-5':0, '1-6':0, '1-7':0} for index, row in df.iterrows(): dict_temp = json.loads(row['Response'].replace("'", '"')) dict_response[list(dict_temp[0].values())[0]] += 3 dict_occurrence[list(dict_temp[0].values())[0]] += 1 if len(dict_temp) > 1: dict_response[list(dict_temp[1].values())[0]] += 2 dict_occurrence[list(dict_temp[1].values())[0]] += 1 if len(dict_temp) > 2: dict_response[list(dict_temp[2].values())[0]] += 1 dict_response[list(dict_temp[2].values())[0]] += 1 df_q1_responses = pd.DataFrame() df_q1_responses['ID'] = dict_response.keys() df_q1_responses['Points'] = df_q1_responses['ID'].map(dict_response) df_q1_responses['Responses'] = df_q1_responses['ID'].map(dict_occurrence) df_q1_responses但是我不是特别喜欢我的解决方案。如果您有任何改进或替代解决方案，请告诉我！
回答来源：stackoverflow
2020-03-24 20:34:08赞同 展开评论 打赏
版权声明：本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
相关问答
问答排行榜
最热
最新
相关课程
更多
推荐问答
