如何将数据框转换为字典

问题描述：

我有一个包含两列的数据框，我打算将其转换为字典。第一列将是键，第二列将是值。

数据框：

    id    value
0    0     10.2
1    1      5.7
2    2      7.4

我怎样才能做到这一点？

解决方案 1：

如果lakes是你的DataFrame，你可以做类似的事情

area_dict = dict(zip(lakes.id, lakes.value))

解决方案 2：

请参阅 的文档to_dict。你可以像这样使用它：

df.set_index('id').to_dict()

如果你只有一列，要避免列名也是字典中的一个级别（实际上，在这种情况下你使用Series.to_dict()）：

df.set_index('id')['value'].to_dict()

解决方案 3：

mydict = dict(zip(df.id, df.value))

解决方案 4：

如果您想要一种简单的方法来保留重复项，您可以使用groupby：

>>> ptest = pd.DataFrame([['a',1],['a',2],['b',3]], columns=['id', 'value']) 
>>> ptest
  id  value
0  a      1
1  a      2
2  b      3
>>> {k: g["value"].tolist() for k,g in ptest.groupby("id")}
{'a': [1, 2], 'b': [3]}

解决方案 5：

joris 在这个线程中的回答和 punchagan 在重复线程中的回答非常优雅，但是如果用于键的列包含任何重复的值，它们将不会给出正确的结果。

例如：

>>> ptest = p.DataFrame([['a',1],['a',2],['b',3]], columns=['id', 'value']) 
>>> ptest
  id  value
0  a      1
1  a      2
2  b      3

# note that in both cases the association a->1 is lost:
>>> ptest.set_index('id')['value'].to_dict()
{'a': 2, 'b': 3}
>>> dict(zip(ptest.id, ptest.value))
{'a': 2, 'b': 3}

如果您有重复的条目并且不想丢失它们，您可以使用这个丑陋但有效的代码：

>>> mydict = {}
>>> for x in range(len(ptest)):
...     currentid = ptest.iloc[x,0]
...     currentvalue = ptest.iloc[x,1]
...     mydict.setdefault(currentid, [])
...     mydict[currentid].append(currentvalue)
>>> mydict
{'a': [1, 2], 'b': [3]}

解决方案 6：

以下是我认为最简单的解决方案：

df.set_index('id').T.to_dict('records')

例子：

df= pd.DataFrame([['a',1],['a',2],['b',3]], columns=['id','value'])
df.set_index('id').T.to_dict('records')

如果您有多个值，如 val1、val2、val3 等，并且希望将它们作为列表，请使用以下代码：

df.set_index('id').T.to_dict('list')

records在此处了解有关上述内容的更多信息：https： //pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.to_dict.html

解决方案 7：

您可以使用“字典理解”

my_dict = {row[0]: row[1] for row in df.values}

解决方案 8：

使用 pandas 可以这样做：

如果 lakes 是你的 DataFrame：

area_dict = lakes.to_dict('records')

解决方案 9：

在某些版本中，下面的代码可能不起作用

mydict = dict(zip(df.id, df.value))

所以要明确

id_=df.id.values
value=df.value.values
mydict=dict(zip(id_,value))

注意我使用 id_ 因为 id 这个词是保留字

解决方案 10：

下面是一个转换具有A、B 和 C三列的数据框的示例（假设 A 和 B 是经度和纬度的地理坐标，C 是国家/地区/州/等等，或多或少是这种情况）。

我想要一个字典，其中每对 A、B 值（字典键）与相应行中的 C 值（字典值）匹配（由于之前的过滤，每对A、B 值都保证是唯一的，但在这种情况下，不同的 A、B 值对可能会有相同的 C 值），所以我会这样做：

mydict = dict(zip(zip(df['A'],df['B']), df['C']))

使用 pandas to_dict()也有效：

mydict = df.set_index(['A','B']).to_dict(orient='dict')['C']

（在执行创建字典的行之前，A 列和 B 列均未被用作索引）

两种方法都很快（在~2015 快速双核笔记本电脑上，处理 85k 行的数据框所需的时间不到一秒）。

解决方案 11：

另一个（稍微短一点的）不丢失重复条目的解决方案：

>>> ptest = pd.DataFrame([['a',1],['a',2],['b',3]], columns=['id','value'])
>>> ptest
  id  value
0  a      1
1  a      2
2  b      3

>>> pdict = dict()
>>> for i in ptest['id'].unique().tolist():
...     ptest_slice = ptest[ptest['id'] == i]
...     pdict[i] = ptest_slice['value'].tolist()
...

>>> pdict
{'b': [3], 'a': [1, 2]}

解决方案 12：

如果你想和熊猫一起玩，你也可以这样做。不过，我喜欢punchagan的方式。

# replicating your dataframe
lake = pd.DataFrame({'co tp': ['DE Lake', 'Forest', 'FR Lake', 'Forest'], 
                 'area': [10, 20, 30, 40], 
                 'count': [7, 5, 2, 3]})
lake.set_index('co tp', inplace=True)

# to get key value using pandas
area_dict = lake.set_index('area').T.to_dict('records')[0]
print(area_dict)

output: {10: 7, 20: 5, 30: 2, 40: 3}

解决方案 13：

如果“lakes”是您的数据框，您还可以执行以下操作：

# Your dataframe
lakes = pd.DataFrame({'co tp': ['DE Lake', 'Forest', 'FR Lake', 'Forest'], 
                 'area': [10, 20, 30, 40], 
                 'count': [7, 5, 2, 3]})
lakes.set_index('co tp', inplace=True)

我的解决方案：

area_dict = lakes.set_index("area")["count"].to_dict()

或者@punchagan 的解决方案（我更喜欢）

area_dict = dict(zip(lakes.area, lakes.count))

两者都应该有效。

解决方案 14：

你需要这个

area_dict = lakes.to_dict(orient='records')

解决方案 15：

您需要一个列表作为字典值。此代码可以解决问题。

from collections import defaultdict
mydict = defaultdict(list)
for k, v in zip(df.id.values,df.value.values):
    mydict[k].append(v)

解决方案 16：

如果设置索引，那么字典将产生唯一的键值对

encoder=LabelEncoder()
df['airline_enc']=encoder.fit_transform(df['airline'])
dictAirline= df[['airline_enc','airline']].set_index('airline_enc').to_dict()

解决方案 17：

这里的许多答案都使用了dict(zip(...))语法。没有也是可能的zip。

mydict = dict(df.values)                        # {0.0: 10.2, 1.0: 5.7, 2.0: 7.4}
# or for faster code, convert to a list
mydict = dict(df.values.tolist())               # {0.0: 10.2, 1.0: 5.7, 2.0: 7.4}

如果一列是int而另一列与floatOP中一样，则转换为objectdtype并调用dict()。

mydict = dict(df.astype('O').values)            # {0: 10.2, 1: 5.7, 2: 7.4}
mydict = dict(df.astype('O').values.tolist())   # {0: 10.2, 1: 5.7, 2: 7.4}

如果索引就是键，那就更简单了。

mydict = df['value'].to_dict()                  # {0: 10.2, 1: 5.7, 2: 7.4}

解决方案 18：

编辑：

通过以下方式可以达到相同的结果：

filter_list = df[df.Col.isin(criteria)][['Col1','Col2']].values.tolist()

原始帖子：

我遇到了类似的问题，我希望将数据框过滤到结果列表列表中。

这是我的解决方案：

filter_df = df[df.Col.isin(criteria)][['Col1','Col2']]
filter_list = filter_df.to_dict(orient='tight')
filter_list = filter_list['data']

结果：列表的列表

来源：pandas.DataFrame.to_dict

解决方案 19：

如果值列中存在一些重复的值，并且我们想将重复的值保留在字典中

下面的代码可以帮助

df = pd.DataFrame([['a',1],['a',2],['a',4],['b',3],['b',4],['c',5]], columns=['id', 'value'])

df.groupby('id')['value'].apply(list).to_dict()

output : {'a': [1, 2, 4], 'b': [3, 4], 'c': [5]}

解决方案 20：

以下是创建包含多行信息的字典的方法。首先将我们要用作键的列设置为索引，然后转置并将数据框转换为字典。转置后，键列变为列名，所有其他特征变为每列的值。

df.set_index('key_col', inplace=True)
dct = df.T.to_dict()

解决方案 21：

这是我的解决方案：

import pandas as pd
df = pd.read_excel('dic.xlsx')
df_T = df.set_index('id').T
dic = df_T.to_dict('records')
print(dic)

解决方案 22：

def get_dict_from_pd(df, key_col, row_col):
    result = dict()
    for i in set(df[key_col].values):
        is_i = df[key_col] == i
        result[i] = list(df[is_i][row_col].values)
    return result

这是我的解决方案；一个基本循环。