Python 有没有一种方法可以将数据类型生成为pandas中的字典?
当键入Python 有没有一种方法可以将数据类型生成为pandas中的字典?,python,pandas,Python,Pandas,当键入df.dtypes时,我们有类型列表。 但是,有没有一种简单的方法可以将输出作为 {'col1': np.float32, ...} 或者我需要自己编写函数吗?df.dtypes的类型返回对象是pandas.Series。它有一个to_dict方法: df = pd.DataFrame({'A': [1, 2], 'B': [1., 2.], 'C': ['a', 'b'],
df.dtypes
时,我们有类型列表。
但是,有没有一种简单的方法可以将输出作为
{'col1': np.float32, ...}
或者我需要自己编写函数吗?df.dtypes的类型返回对象是pandas.Series。它有一个
to_dict
方法:
df = pd.DataFrame({'A': [1, 2],
'B': [1., 2.],
'C': ['a', 'b'],
'D': [True, False]})
df
Out:
A B C D
0 1 1.0 a True
1 2 2.0 b False
df.dtypes
Out:
A int64
B float64
C object
D bool
dtype: object
df.dtypes.to_dict()
Out:
{'A': dtype('int64'),
'B': dtype('float64'),
'C': dtype('O'),
'D': dtype('bool')}
字典中的值来自dtype类。如果希望名称作为字符串,可以使用apply:
df.dtypes.apply(lambda x: x.name).to_dict()
Out: {'A': 'int64', 'B': 'float64', 'C': 'object', 'D': 'bool'}
听起来不错,唯一的小项目是to_dict()删除了要将dict与列名匹配以便于视觉识别的列顺序(初始值-->alpha)。