Pandas 将具有相同索引的系列列表转换为字典

我有一个熊猫系列的列表，每个都有相同的索引。我想将这个列表转换成一个字典，其中键是索引值（在所有系列中都是相同的，值是系列对象中的值列表）。以下是一个例子：

series_1:
A 1
B 2
C 3

series_2:
A 11
B 22
C 33

---

将

[series_1，series_2]

转换为

{'A'：[1,11]，'B'：[2,22]，'C'：[3,33]}

最有效的方法是什么？我需要一种有效的方法，因为我拥有的系列数量是10K，每个系列有20K个元素。

这里是一种方法

concat

然后

groupby

pd.concat([s1,s2]).groupby(level=0).apply(list).to_dict()
Out[375]: {'A': [1, 11], 'B': [2, 22], 'C': [3, 33]}

---

更新

pd.concat([s1,s2],axis=1).T.to_dict('l')
Out[379]: {'A': [1, 11], 'B': [2, 22], 'C': [3, 33]}

---

最好的性能是转换为numpy数组字典而不是列表字典，并使用该系列的

np.array

构造字典

此外，如果您确实需要列表字典，那么在

s.index

和

np.array.tolist（）

上使用

dict

和

zip

仍然比上述两种方法好得多。上述两种方法都有创建数据帧的开销

设置：一系列20k数字

在1000系列上创建

np.array

字典

dict(zip(s.index, np.column_stack([s.values]*1000)))

dict(zip(s.index, np.column_stack([s.values]*1000).tolist()))

在1000系列上创建

列表的词典

dict(zip(s.index, np.column_stack([s.values]*1000)))

dict(zip(s.index, np.column_stack([s.values]*1000).tolist()))

所有4种方法的计时：

In [1071]: %timeit dict(zip(s.index, np.column_stack([s.values]*1000)))
195 ms ± 879 µs per loop (mean ± std. dev. of 7 runs, 1 loop each)

In [1072]:  %timeit dict(zip(s.index, np.column_stack([s.values]*1000).tolist()))
1.05 s ± 4.26 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)

In [1075]: %timeit pd.concat([s]*1000).groupby(level=0).apply(list).to_dict()
7.01 s ± 70.5 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)

In [1077]: %timeit pd.concat([s]*1000, axis=1).T.to_dict('l')
2.83 s ± 11.2 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)

使用
numpy
序列数组和
dict
和
zip
比使用
pd.concat
的两种方法都要快得多。
np.array
字典在
195ms时速度最快
比下一个快5倍以上。
谢谢。请查看问题中我的编辑，了解我需要效率的原因。对于每个有20K个元素的1000个系列，您的方法需要8秒，而列表和索引上的嵌套循环需要5秒。我需要一个更有效的方法。更新的版本需要2.5秒的相同设置，谢谢。