如何将pandas字典直接转换为DataFrame？

本文共计3108个文字，预计阅读时间需要13分钟。

目录

一、字典转DataFrame

1.字典转DataFrame的基本操作

2.示例：字典转DataFrame

二、DataFrame转字典

1.DataFrame转字典的方法

2.函数介绍

2.1 orient='dict' 2.2 orient='list' 2.3 orient='series' 2.4 orient='split' 2.5 orient='rec'

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自由互联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自由互联！