如何从三级嵌套字典提取值，生成分季节指定格式的Pandas DataFrame

问题背景 #

手里有个三级嵌套字典：

• 第一层键：1（冬季）、2（春季）、3（夏季）、4（秋季）
• 第二层键：2005到2018的年份
• 第三层键：0到23的小时数，对应的值是该季节、该年份下的小时均值

之前写的代码生成的结果不符合预期：

df = pd.DataFrame.from_dict({(i, j, k): pm_10_abs_season[i][j][k] for i in pm_10_abs_season.keys() for j in pm_10_abs_season[i].keys() for k in pm_10_abs_season[i][j]}, orient = 'index')

想要的是四个分季节的DataFrame，每个结构为：

• 行：2005到2018的年份
• 列：Hour 0、Hour 1……Hour 23

解决方法 #

直接按季节拆分处理，每个季节单独构造宽格式DataFrame就行：

import pandas as pd

# 给季节键对应上中文名，方便后续识别
season_map = {1: '冬季', 2: '春季', 3: '夏季', 4: '秋季'}
season_dfs = {}

# 遍历每个季节
for season_key in pm_10_abs_season:
    # 取出当前季节下所有年份的小时数据
    year_hour_data = pm_10_abs_season[season_key]
    # 直接把年份作为索引，小时数据作为列生成DataFrame
    df = pd.DataFrame.from_dict(year_hour_data, orient='index')
    # 把列名改成Hour 0、Hour 1的格式
    df.columns = [f'Hour {hour}' for hour in df.columns]
    # 给索引命名为Year
    df.index.name = 'Year'
    # 把生成的DataFrame存进字典，用季节名当键
    season_dfs[season_map[season_key]] = df

# 调用示例：取出冬季的DataFrame
winter_df = season_dfs['冬季']
print(winter_df)

为什么原来的代码不行？ #

你之前的代码把「季节、年份、小时」三个维度都拼成了索引元组，生成的是长格式的单列DataFrame（每一行对应一个(季节,年份,小时)的单一值），而我们需要的是每个季节单独的宽格式（年份为行，小时为列），所以得按季节拆分后分别构造。

内容的提问来源于stack exchange，提问作者Sujai Banerji