该to_dict()方法将列名设置为字典键将“ID”列设置为索引然后转置DataFrame是实现此目的的一种方法。to_dict()还接受一个'orient'参数，您需要该参数才能输出每列的值列表。否则，{index: value}将为每列返回表单的字典。
可以使用以下行完成这些步骤：
|
1
2
|
>>> df.set_index('ID').T.to_dict('list')
{'p': [1, 3, 2], 'q': [4, 3, 2], 'r': [4, 0, 9]}
|
如果需要不同的字典格式，这里是可能的东方参数的示例。考虑以下简单的DataFrame：
|
1
2
3
4
5
6
|
>>> df = pd.DataFrame({'a': ['red', 'yellow', 'blue'], 'b': [0.5, 0.25, 0.125]})
>>> df
a b
0 red 0.500
1 yellow 0.250
2 blue 0.125
|
然后选项如下。
dict - 默认值：列名是键，值是索引的字典：数据对
|
1
2
3
|
>>> df.to_dict('dict')
{'a': {0: 'red', 1: 'yellow', 2: 'blue'},
'b': {0: 0.5, 1: 0.25, 2: 0.125}}
|
list - 键是列名，值是列数据列表
|
1
2
3
|
>>> df.to_dict('list')
{'a': ['red', 'yellow', 'blue'],
'b': [0.5, 0.25, 0.125]}
|
系列 - 比如'list'，但值是Series
|
1
2
3
4
5
6
7
8
9
10
|
>>> df.to_dict('series')
{'a': 0 red
1 yellow
2 blue
Name: a, dtype: object,
'b': 0 0.500
1 0.250
2 0.125
Name: b, dtype: float64}
|
split - 将列/数据/索引拆分为键，值分别为列名，数据值分别按行和索引标签
|
1
2
3
4
5
|
>>> df.to_dict('split')
{'columns': ['a', 'b'],
'data': [['red', 0.5], ['yellow', 0.25], ['blue', 0.125]],
'index': [0, 1, 2]}
|
记录 - 每一行都成为一个字典，其中键是列名，值是单元格中的数据
|
1
2
3
4
5
|
>>> df.to_dict('records')
>
[{'a': 'red', 'b': 0.5},
{'a': 'yellow', 'b': 0.25},
{'a': 'blue', 'b': 0.125}]
|
index - 类似于'records'，但是一个字典字典，其中键作为索引标签（而不是列表）
|
1
2
3
4
5
|
>>> df.to_dict('index')
{0: {'a': 'red', 'b': 0.5},
1: {'a': 'yellow', 'b': 0.25},
2: {'a': 'blue', 'b': 0.125}}
|
到此这篇关于Pandas DataFrame转换为字典的方法的文章就介绍到这了,更多相关Pandas DataFrame转换为字典内容请搜索服务器之家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服务器之家！
原文链接：https://blog.csdn.net/inmu21/article/details/116604963