1024问

pandas中字典和dataFrame的相互转换

Neoma ·
更新时间:2024-11-13
· 924 次阅读

目录

一、字典转dataFrame

1、字典转dataFrame比较简单，直接给出示例：

二、dataFrame转字典

1、DataFrame.to_dict() 函数介绍

2、orient =‘dict’

3、 orient =‘list’

4、orient =‘series’

5、orient =‘split’

6、orient =‘records’

7、orient =‘index’

8、指定列为key生成字典的实现步骤（按行）

9、指定列为key，value生成字典的实现

总结

一、字典转dataFrame 1、字典转dataFrame比较简单，直接给出示例： import pandas as pd dic = { 'name':['张三','李四','王二','麻子','小红','小兰','小玉','小强','小娟','小明'], 'num':[802,807,801,803,806,805,808,809,800,804], 'height': [183, 161, 163, 163, 156, 186, 184, 154, 153, 174], 'weight': [87, 60, 71, 74, 45, 50, 47, 67, 49, 70], 'gender': ['男', '男', '男', '男', '女', '女', '女', '男', '女', '男'], 'age': [25, 30, 25, 26, 27, 20, 23, 26, 30, 30] } df=pd.DataFrame(dic) print(df)

结果：

二、dataFrame转字典 1、DataFrame.to_dict() 函数介绍

pandas中经常用的是 DataFrame.to_dict() 函数将dataFrame转化为字典类型（字典的查询速度很快）

函数DataFrame.to_dict(orient=‘dict’, into=<class ‘dict’>)

orient =‘dict’，是函数默认的，转化后的字典形式：{column(列名) : {index(行名) : value(值)}}；

orient =‘list’ ，转化后的字典形式：{column(列名) :{[values](值)}};

orient =‘series’ ，转化后的字典形式：{column(列名) : Series (values) (值)};

orient =‘split’ ，转化后的字典形式：{‘index’ : [index]，‘columns’ :[columns]，’data‘ : [values]};

orient =‘records’ ，转化后是 list形式：[{column(列名) :value(值)}…{column:value}];

orient =‘index’ ，转化后的字典形式：{index(值) :{column(列名) : value(值)}};

dataFrame.to_dict() 结果默认 index 是 key ,其他字段是和 index 对应的 value

2、orient =‘dict’

orient =‘dict’ 是函数默认的，转化后的字典形式：{column(列名) : {index(行名) : value(值)}}

dic1 = df.to_dict() print(dic1)

结果：

{
'name': {0: '张三', 1: '李四', 2: '王二', 3: '麻子', 4: '小红', 5: '小兰', 6: '小玉', 7: '小强', 8: '小娟', 9: '小明'}, 
'num': {0: 802, 1: 807, 2: 801, 3: 803, 4: 806, 5: 805, 6: 808, 7: 809, 8: 800, 9: 804}, 
'height': {0: 183, 1: 161, 2: 163, 3: 163, 4: 156, 5: 186, 6: 184, 7: 154, 8: 153, 9: 174}, 
'weight': {0: 87, 1: 60, 2: 71, 3: 74, 4: 45, 5: 50, 6: 47, 7: 67, 8: 49, 9: 70}, 
'gender': {0: '男', 1: '男', 2: '男', 3: '男', 4: '女', 5: '女', 6: '女', 7: '男', 8: '女', 9: '男'}, 
'age': {0: 25, 1: 30, 2: 25, 3: 26, 4: 27, 5: 20, 6: 23, 7: 26, 8: 30, 9: 30}
}

3、 orient =‘list’

orient =‘list’ ，转化后的字典形式：{column(列名) :{[values](值)}};

dic1 = df.to_dict('list') print(dic1)

结果：

{
'name': ['张三', '李四', '王二', '麻子', '小红', '小兰', '小玉', '小强', '小娟', '小明'], 
'num': [802, 807, 801, 803, 806, 805, 808, 809, 800, 804], 
'height': [183, 161, 163, 163, 156, 186, 184, 154, 153, 174], 
'weight': [87, 60, 71, 74, 45, 50, 47, 67, 49, 70], 
'gender': ['男', '男', '男', '男', '女', '女', '女', '男', '女', '男'], 
'age': [25, 30, 25, 26, 27, 20, 23, 26, 30, 30]
}

4、orient =‘series’

orient =‘series’ ，转化后的字典形式：{column(列名) : Series (values) (值)}

dic1 = df.to_dict('series') print(dic1)

结果：

{
'name': 
0    张三
1    李四
2    王二
3    麻子
4    小红
5    小兰
6    小玉
7    小强
8    小娟
9    小明
Name: name, dtype: object, 
'num': 
0    802
1    807
2    801
3    803
4    806
5    805
6    808
7    809
8    800
9    804
Name: num, dtype: int64, 
'height':
0    183
1    161
2    163
3    163
4    156
5    186
6    184
7    154
8    153
9    174
Name: height, dtype: int64, 
'weight': 
0    87
1    60
2    71
3    74
4    45
5    50
6    47
7    67
8    49
9    70
Name: weight, dtype: int64, 
'gender': 
0    男
1    男
2    男
3    男
4    女
5    女
6    女
7    男
8    女
9    男
Name: gender, dtype: object, 
'age': 
0    25
1    30
2    25
3    26
4    27
5    20
6    23
7    26
8    30
9    30
Name: age, dtype: int64}

5、orient =‘split’

orient =‘split’ ，转化后的字典形式：{‘index’ : [index]，‘columns’ :[columns]，’data‘ : [values]}

{'index': [0, 1, 2, 3, 4, 5, 6, 7, 8, 9], 
'columns': ['name', 'num', 'height', 'weight', 'gender', 'age'], 
'data': [
['张三', 802, 183, 87, '男', 25],
['李四', 807, 161, 60, '男', 30], 
['王二', 801, 163, 71, '男', 25], 
['麻子', 803, 163, 74, '男', 26], 
['小红', 806, 156, 45, '女', 27], 
['小兰', 805, 186, 50, '女', 20], 
['小玉', 808, 184, 47, '女', 23], 
['小强', 809, 154, 67, '男', 26], 
['小娟', 800, 153, 49, '女', 30], 
['小明', 804, 174, 70, '男', 30]
]
}

6、orient =‘records’

orient =‘records’ ，转化后是 list形式：[{column(列名) :value(值)}…{column:value}]

dic1 = df.to_dict('records') print(dic1)

结果：

[
{'name': '张三', 'num': 802, 'height': 183, 'weight': 87, 'gender': '男', 'age': 25}, 
{'name': '李四', 'num': 807, 'height': 161, 'weight': 60, 'gender': '男', 'age': 30}, 
{'name': '王二', 'num': 801, 'height': 163, 'weight': 71, 'gender': '男', 'age': 25}, 
{'name': '麻子', 'num': 803, 'height': 163, 'weight': 74, 'gender': '男', 'age': 26}, 
{'name': '小红', 'num': 806, 'height': 156, 'weight': 45, 'gender': '女', 'age': 27}, 
{'name': '小兰', 'num': 805, 'height': 186, 'weight': 50, 'gender': '女', 'age': 20}, 
{'name': '小玉', 'num': 808, 'height': 184, 'weight': 47, 'gender': '女', 'age': 23}, 
{'name': '小强', 'num': 809, 'height': 154, 'weight': 67, 'gender': '男', 'age': 26}, 
{'name': '小娟', 'num': 800, 'height': 153, 'weight': 49, 'gender': '女', 'age': 30}, 
{'name': '小明', 'num': 804, 'height': 174, 'weight': 70, 'gender': '男', 'age': 30}
]

7、orient =‘index’

orient =‘index’ ，转化后的字典形式：{index(值) :{column(列名) : value(值)}}

dic1 = df.to_dict('index') print(dic1)

结果：

{
0: {'name': '张三', 'num': 802, 'height': 183, 'weight': 87, 'gender': '男', 'age': 25}, 
1: {'name': '李四', 'num': 807, 'height': 161, 'weight': 60, 'gender': '男', 'age': 30}, 
2: {'name': '王二', 'num': 801, 'height': 163, 'weight': 71, 'gender': '男', 'age': 25}, 
3: {'name': '麻子', 'num': 803, 'height': 163, 'weight': 74, 'gender': '男', 'age': 26}, 
4: {'name': '小红', 'num': 806, 'height': 156, 'weight': 45, 'gender': '女', 'age': 27}, 
5: {'name': '小兰', 'num': 805, 'height': 186, 'weight': 50, 'gender': '女', 'age': 20}, 
6: {'name': '小玉', 'num': 808, 'height': 184, 'weight': 47, 'gender': '女', 'age': 23}, 
7: {'name': '小强', 'num': 809, 'height': 154, 'weight': 67, 'gender': '男', 'age': 26}, 
8: {'name': '小娟', 'num': 800, 'height': 153, 'weight': 49, 'gender': '女', 'age': 30}, 
9: {'name': '小明', 'num': 804, 'height': 174, 'weight': 70, 'gender': '男', 'age': 30}
}

8、指定列为key生成字典的实现步骤（按行）

1、 set_index用于将想设置为key的列设置为数据框索引

df.set_index("name", drop=True, inplace=True) # 其中 drop=True去重,inplace=True在原数据上更改

结果：

2、使用orient=index参数将索引用作字典键。

dictionary = df.to_dict(orient="index") print(dictionary)

结果

{
'张三': {'num': 802, 'height': 183, 'weight': 87, 'gender': '男', 'age': 25}, 
'李四': {'num': 807, 'height': 161, 'weight': 60, 'gender': '男', 'age': 30}, 
'王二': {'num': 801, 'height': 163, 'weight': 71, 'gender': '男', 'age': 25}, 
'麻子': {'num': 803, 'height': 163, 'weight': 74, 'gender': '男', 'age': 26}, 
'小红': {'num': 806, 'height': 156, 'weight': 45, 'gender': '女', 'age': 27}, 
'小兰': {'num': 805, 'height': 186, 'weight': 50, 'gender': '女', 'age': 20}, 
'小玉': {'num': 808, 'height': 184, 'weight': 47, 'gender': '女', 'age': 23}, 
'小强': {'num': 809, 'height': 154, 'weight': 67, 'gender': '男', 'age': 26}, 
'小娟': {'num': 800, 'height': 153, 'weight': 49, 'gender': '女', 'age': 30}, 
'小明': {'num': 804, 'height': 174, 'weight': 70, 'gender': '男', 'age': 30}
}

3、将步骤1、2合起来写也可以，这里不修改源数据

dictionary = df.set_index("name", drop=True).to_dict(orient="index") 9、指定列为key，value生成字典的实现

1、指定一个列为key，一列为value

dictionary = df.set_index("name")["num"].to_dict() print(dictionary)

结果

{
'张三': 802, 
'李四': 807, 
'王二': 801, 
'麻子': 803, 
'小红': 806, 
'小兰': 805, 
'小玉': 808, 
'小强': 809, 
'小娟': 800, 
'小明': 804
}

2、指定多个列为key，一列为value

dictionary = df.set_index(["name","num"])["weight"].to_dict() print(dictionary)

结果：

{
('张三', 802): 87, 
('李四', 807): 60, 
('王二', 801): 71, 
('麻子', 803): 74, 
('小红', 806): 45, 
('小兰', 805): 50, 
('小玉', 808): 47, 
('小强', 809): 67, 
('小娟', 800): 49, 
('小明', 804): 70
}

3、指定一个列为key，多列为value

方法1（速度慢）

dictionary = {c0:[c1,c2] for c0,c1,c2 in zip(df['name'],df['num'],df['weight'])} print(dictionary)

方法2（速度快）

dictionary = df[["name",'num','weight']].set_index('name').T.to_dict('list') print(dictionary)

结果：

{
'张三': [802, 87], 
'李四': [807, 60], 
'王二': [801, 71], 
'麻子': [803, 74], 
'小红': [806, 45], 
'小兰': [805, 50], 
'小玉': [808, 47], 
'小强': [809, 67], 
'小娟': [800, 49], 
'小明': [804, 70]
}

4、 指定多列为key，多列为value

dictionary = df[["name",'num','weight',"age"]].set_index(['name','num']).T.to_dict('list') print(dictionary)

结果：

{
('张三', 802): [87, 25], 
('李四', 807): [60, 30], 
('王二', 801): [71, 25], 
('麻子', 803): [74, 26], 
('小红', 806): [45, 27], 
('小兰', 805): [50, 20], 
('小玉', 808): [47, 23], 
('小强', 809): [67, 26], 
('小娟', 800): [49, 30], 
('小明', 804): [70, 30]
}

参考https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.to_dict.html

总结

到此这篇关于pandas中字典和dataFrame相互转换的文章就介绍到这了,更多相关字典和dataFrame相互转换内容请搜索软件开发网以前的文章或继续浏览下面的相关文章希望大家以后多多支持软件开发网！



字典 dataframe pandas

1024 个赞
编辑 举报
需要 登录 后方可回复, 如果你还没有账号请 注册新账号
相关文章
ASP Session 对象
Wilma 2020-04-12
617
PowerShell: Try...Catch...Finally 实现方法
Roxana 2020-10-15
740
linux多线程编程详解教程(线程通过信号量实现通信代码)
Xena 2020-02-28
838
深入解析pandas数据聚合和重组
Miette 2023-04-22
1543
Pandas数据操作及数据分析常用技术介绍
Olivia 2023-04-30
724
Pandas在数据分析和机器学习中的应用及优势
Dulcea 2023-04-30
678
PythonPandas创建Dataframe数据框的六种方法汇总
Tani 2023-05-09
930
python中pandas库的iloc函数用法解析
Ula 2023-05-12
1151
Pandas实现自定义Excel格式并导出多个sheet表
Jacuqeline 2023-05-12
268
Pandas日期处理之生成工作日与节假日
Karli 2023-05-12
1341
pandas库中 DataFrame的用法小结
Oria 2023-05-17
1640
Python中Dataframe数据排序方法(含实例讲解)
Serafina 2023-06-02
624
Python+pandas数据分析实践总结
Bertha 2023-07-20
1461
python利用pandas和csv包向一个csv文件写入或追加数据
Heather 2023-07-20
653
关于pandas中的.update()方法解析
Aggie 2023-07-20
578
C++前缀树字典树的学习与模拟实现代码示例
Kirima 2023-07-20
1789
深入探究python中Pandas库处理缺失数据和数据聚合
Bliss 2023-07-21
191
Python中Pandas库的数据处理与分析
Lillian 2023-07-21
155
pandas删除重复数据简单方法
Tertia 2023-07-21
311
python中DataFrame常用的描述性统计分析方法详解
Hasana 2023-07-21
527