从pandas数据帧列中的字典列表中获取第一个值

Question

我有一个熊猫数据帧：

id       photos
001      [{'medium':'https:blablabla1',
           'xl':'something1',
           's':'anotherthing1'},
         {'medium':'https:blablabla2',
           'xl':'something2',
           's':'anotherthing2'},
         {'medium':'https:blablabla3',
           'xl':'something3',
           's':'anotherthing3'}]
002      [{'medium':'https:blablabla4',
           'xl':'something4',
           's':'anotherthing4'},
         {'medium':'https:blablabla5',
           'xl':'something5',
           's':'anotherthing5'},
         {'medium':'https:blablabla6',
           'xl':'something6',
           's':'anotherthing6'}]
003      [{'medium':'https:blablabla7',
           'xl':'something7',
           's':'anotherthing7'},
         {'medium':'https:blablabla8',
           'xl':'something8',
           's':'anotherthing8'},
         {'medium':'https:blablabla9',
           'xl':'something9',
           's':'anotherthing9'}]

第二个照片列包含字典列表。 我想要的是第一个的价值键：值对在列表中。在

所需输出应如下所示：

^{pr2}$

我已经想好了，如果这是一个单列的dicts怎么做。像这样：

dicts_list = [{'medium':'https:blablabla1',
           'xl':'something1',
           's':'anotherthing1'},
         {'medium':'https:blablabla2',
           'xl':'something2',
           's':'anotherthing2'},
         {'medium':'https:blablabla3',
           'xl':'something3',
           's':'anotherthing3'}]

# Access the first value of the first dict in a list 
list(dicts_list[0].values())[0]

#output
'https:blablabla1'

到目前为止，我已经做到了（这显然是错误的）：

v = list()
for index, rows in df.iterrows():
    photo = rows['photos']
    v.append(photo[0])

# output
['[', '[']

其思想是将第一个值放入一个列表中，然后将其添加回原始数据帧中。 我不知道如何将它扩展到pandas数据帧中。在

注意 根据@daren thomas answer，我发现我在数据中引用的字典是dictionary的字符串表示。因此，要将此列转换为字典，请参考以下代码：

import ast
df.photos = df.photos.apply(lambda x: ast.literal_eval(x))

Answer 1

可以对每行使用apply函数，如下所示：

df['image_url'] = df.apply(lambda row: row.photos[0]['medium'], axis=1)

输出：

^{pr2}$

现在，如果您不喜欢photos列，可以直接删除它。。。在

Answer 2

这是一种方法。如果您的列或Series是如下所示的dict列表：

>>> import pandas as pd
>>> s = pd.Series([[{'medium':'https:blablabla1',
...   'xl':'something1',
...   's':'anotherthing1'},
... {'medium':'https:blablabla2',
...   'xl':'something2',
...   's':'anotherthing2'},
... {'medium':'https:blablabla3',
...   'xl':'something3',
...   's':'anotherthing3'}],
... [{'medium':'https:blablabla4',
...   'xl':'something4',
...   's':'anotherthing4'},
... {'medium':'https:blablabla5',
...   'xl':'something5',
...   's':'anotherthing5'},
... {'medium':'https:blablabla6',
...   'xl':'something6',
...   's':'anotherthing6'}],
... [{'medium':'https:blablabla7',
...   'xl':'something7',
...   's':'anotherthing7'},
... {'medium':'https:blablabla8',
...   'xl':'something8',
...   's':'anotherthing8'},
... {'medium':'https:blablabla9',
...   'xl':'something9',
...   's':'anotherthing9'}]])
>>> s
0    [{'medium': 'https:blablabla1', 'xl': 'somethi...
1    [{'medium': 'https:blablabla4', 'xl': 'somethi...
2    [{'medium': 'https:blablabla7', 'xl': 'somethi...
dtype: object
>>> s.apply(pd.Series)[0].apply(pd.Series).medium
0    https:blablabla1
1    https:blablabla4
2    https:blablabla7
Name: medium, dtype: object

不确定是否有更优雅的解决方案。但希望这有帮助！在

编辑

作为补充说明，我知道在pandas社区中大量使用{}是不受欢迎的。尤其是如果你有非常大的DataFrames。。。您将看到一些性能问题。在

我真的想不出一个vectorized的解决方案。但如果你的数据集不是太大，我想这应该能解决问题。在