解析数据框内的字典
Parse dictionary inside dataframe
我的 df 的一列有 1.a 嵌套字典或 2.NAN 作为值
字典有 2 个像这样的键值对
{'value': '1', 'info': {....}}
我只想获取“value”的值,“info”的值是没有用的,如果是NAN值我们可以留下“NAN”
实现此目标的最简单方法是什么?
顺便说一句,我试过了df_september_p1['that_column_name']==np.nan
和 df_september_p1['that columnname']==’nan’,
产生相同的布尔值。奇怪的是我看到第二行的值是 NAN 但第二行的 yield 结果是 False ……不明白为什么
您可以使用 Series.str.get
与 dictioanries 或缺失值一起使用 NaN
s:
df_september_p1['val'] = df_september_p1['that_column_name'].str.get('value')
我的 df 的一列有 1.a 嵌套字典或 2.NAN 作为值 字典有 2 个像这样的键值对
{'value': '1', 'info': {....}}
我只想获取“value”的值,“info”的值是没有用的,如果是NAN值我们可以留下“NAN” 实现此目标的最简单方法是什么?
顺便说一句,我试过了df_september_p1['that_column_name']==np.nan
和 df_september_p1['that columnname']==’nan’,
产生相同的布尔值。奇怪的是我看到第二行的值是 NAN 但第二行的 yield 结果是 False ……不明白为什么
您可以使用 Series.str.get
与 dictioanries 或缺失值一起使用 NaN
s:
df_september_p1['val'] = df_september_p1['that_column_name'].str.get('value')