python数据组织_使用python将数据组织到适当的列中

您可以跳过所有解析并使用pandas：import pandas

如果查询结果已经是Python中的dict列表，那么它将把查询结果读入数据帧。在

^{pr2}$

如果您真的有字符串，可以使用read_json：data_all_str = """[{"id":0,"prediction_type":"CONV_PROBABILITY","calibration_factor":0.906556,"intercept":-2.410414,"advMatchTypeId":-0.239877,"atsId":-0.135568,"deviceTypeId":0.439130,"dmaCode":-0.251728,"keywordId":0.442240}]"""

df = pandas.read_json(data_all_str)

进一步的思考使我明白你的data_all实际上是一个dict列表的列表，类似于：data_all_lol = [data_all_list, data_all_list]

在这种情况下，需要在传递到DataFrame之前连接列表：df = pandas.DataFrame(sum(data_all_lol, []))

这将以普通标题+值格式写入：df.to_csv('filename.csv') # you can also use to_excel

如果您的最终目标只是获得所有特性的方法，pandas可以直接使用任意数量的列，正确处理缺失值：df.mean()

给予advMatchTypeId -0.239877

atsId -0.135568

calibration_factor 0.906556

deviceTypeId 0.439130

dmaCode -0.251728

id 0.000000

intercept -2.410414

keywordId 0.442240

注意歧义

在OP中，很难知道data_all的类型，因为您显示的片段在字面语法中看起来像一个dict列表，但是您会说“我拉的列是一个字符串”。在

请注意以下IPython会话中输入的表示方式之间的差异：In [15]: data_all_str

Out[15]: '[{"id":0,"prediction_type":"CONV_PROBABILITY","calibration_factor":0.906556,"intercept":-2.410414,"advMatchTypeId":-0.239877,"atsId":-0.135568,"deviceTypeId":0.439130,"dmaCode":-0.251728,"keywordId":0.442240}]'

In [16]: data_all_list

Out[16]:

[{'advMatchTypeId': -0.239877,

'atsId': -0.135568,

'calibration_factor': 0.906556,

'deviceTypeId': 0.43913,

'dmaCode': -0.251728,

'id': 0,

'intercept': -2.410414,

'keywordId': 0.44224,

'prediction_type': 'CONV_PROBABILITY'}]