python pandas dataframe到字典

我有两列数据框，打算将其转换为python字典-第一列将是键，第二列将是值。先感谢您。

数据框：

    id    value
0    0     10.2
1    1      5.7
2    2      7.4

请参阅有关的文档to_dict。您可以像这样使用它：

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

如果只有一列，为避免列名也是dict中的一个级别（实际上，在这种情况下，请使用Series.to_dict()）：

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

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

如果您想要一种简单的方法来保留重复项，则可以使用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]}

此线程中的joris和重复的线程中的punchagan的答案非常好，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，则可以使用以下难看但有效的代码：

>>> 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]}

最简单的解决方案：

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

例：

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，例如val1，val2，val3等，并且您希望将它们作为列表，请使用以下代码：

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

在某些版本中，以下代码可能无法正常工作

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_，因为单词id是保留单词

您可以使用“字典理解”

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

另一个（略短）的解决方案，不会丢失重复的条目：

>>> 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]}

您需要一个列表作为字典值。这段代码可以解决问题。

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

我试图从熊猫数据框的三列中制作字典时发现了这个问题。在我的情况下，数据框具有A，B和C列（假设A和B是经度和纬度的地理坐标，C则是国家/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）与对应行中的C（字典值）的值匹配（由于先前的过滤，每对 A，B值保证是唯一的），但是它是在这种情况下，对于不同的A，B值对，可能具有相同的C值），所以我这样做了：

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

使用熊猫to_dict（）也可以：

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

（在执行创建字典的行之前，A或B列均未用作索引）

两种方法都非常快速（在具有8万行，具有5年历史的快速双核笔记本电脑上，数据帧不到一秒钟）。

我发布此消息的原因：

1. 对于那些需要这种解决方案的人
2. 如果有人知道执行速度更快的解决方案（例如，数百万行），我将不胜感激。

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

这是我的想法，一个基本的循环

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)