开发: C++知识库 Java知识库 JavaScript Python PHP知识库人工智能区块链大数据移动开发嵌入式开发工具数据结构与算法开发测试游戏开发网络协议系统运维
教程: HTML教程 CSS教程 JavaScript教程 Go语言教程 JQuery教程 VUE教程 VUE3教程 Bootstrap教程 SQL数据库教程 C语言教程 C++教程 Java教程 Python教程 Python3教程 C#教程
数码: 电脑笔记本显卡显示器固态硬盘硬盘耳机手机 iphone vivo oppo 小米华为单反装机图拉丁

-> 人工智能 -> 字典和dataFrame的相互转换 -> 正文阅读

[人工智能]字典和dataFrame的相互转换

字典和dataFrame的相互转换

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：
在这里插入图片描述

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：
在这里插入图片描述
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、 3、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]
}