Python 将数据帧转换为字典

我有一个四列的数据框。我想将此数据帧转换为python字典。我希望第一列的元素是

键

，同一行中其他列的元素是

值

数据帧：

    ID   A   B   C
0   p    1   3   2
1   q    4   3   2
2   r    4   0   9  

输出应如下所示：

字典：

{'p': [1,3,2], 'q': [4,3,2], 'r': [4,0,9]}

---

尝试使用

Zip

df = pd.read_csv("file")
d= dict([(i,[a,b,c ]) for i, a,b,c in zip(df.ID, df.A,df.B,df.C)])
print d

输出：

{'p': [1, 3, 2], 'q': [4, 3, 2], 'r': [4, 0, 9]}

该方法将列名设置为字典键，因此您需要稍微改变数据帧的形状。将“ID”列设置为索引，然后转置数据帧是实现这一点的一种方法

to_dict（）

还接受一个“orient”参数，您需要该参数为每列输出一个值列表。否则，将为每列返回一个形式为

{index:value}

的字典

可以使用以下行完成这些步骤：

>>> df.set_index('ID').T.to_dict('list')
{'p': [1, 3, 2], 'q': [4, 3, 2], 'r': [4, 0, 9]}

---

如果需要不同的字典格式，下面是可能的orient参数的示例。考虑下面的简单数据框：

>>> df = pd.DataFrame({'a': ['red', 'yellow', 'blue'], 'b': [0.5, 0.25, 0.125]})
>>> df
        a      b
0     red  0.500
1  yellow  0.250
2    blue  0.125

然后，选项如下所示

dict-默认设置：列名是键，值是索引：数据对的字典

>>> df.to_dict('dict')
{'a': {0: 'red', 1: 'yellow', 2: 'blue'}, 
 'b': {0: 0.5, 1: 0.25, 2: 0.125}}

列表-键是列名，值是列数据列表

>>> df.to_dict('list')
{'a': ['red', 'yellow', 'blue'], 
 'b': [0.5, 0.25, 0.125]}

系列类似于“列表”，但值是系列

>>> df.to_dict('series')
{'a': 0       red
      1    yellow
      2      blue
      Name: a, dtype: object, 

 'b': 0    0.500
      1    0.250
      2    0.125
      Name: b, dtype: float64}

拆分-将列/数据/索引拆分为键，值分别为列名、行和索引标签的数据值

>>> df.to_dict('split')
{'columns': ['a', 'b'],
 'data': [['red', 0.5], ['yellow', 0.25], ['blue', 0.125]],
 'index': [0, 1, 2]}

记录-每行成为一个字典，其中键是列名，值是单元格中的数据

>>> df.to_dict('records')
[{'a': 'red', 'b': 0.5}, 
 {'a': 'yellow', 'b': 0.25}, 
 {'a': 'blue', 'b': 0.125}]

索引与“记录”类似，但它是一个字典字典，以键作为索引标签（而不是列表）

遵循以下步骤： 假设您的数据帧如下所示：

>>> df
   A  B  C ID
0  1  3  2  p
1  4  3  2  q
2  4  0  9  r

    >>> dictionary
    {'q': {'A': 4, 'B': 3, 'D': 2}, 'p': {'A': 1, 'B': 3, 'D': 2}, 'r': {'A': 4, 'B': 0, 'D': 9}}

1.使用

set_index

将

ID

列设置为数据帧索引。 2.使用

orient=index

参数将索引作为字典键。 结果如下：

>>> df
   A  B  C ID
0  1  3  2  p
1  4  3  2  q
2  4  0  9  r

    >>> dictionary
    {'q': {'A': 4, 'B': 3, 'D': 2}, 'p': {'A': 1, 'B': 3, 'D': 2}, 'r': {'A': 4, 'B': 0, 'D': 9}}

3.如果需要将每个示例作为列表，请运行以下代码。确定列顺序

---

如果您不介意字典值是元组，可以使用itertuples：

>>> {x[0]: x[1:] for x in df.itertuples(index=False)}
{'p': (1, 3, 2), 'q': (4, 3, 2), 'r': (4, 0, 9)}

DataFrame.to_dict（）

将数据帧转换为字典

示例

>>> df = pd.DataFrame(
    {'col1': [1, 2], 'col2': [0.5, 0.75]}, index=['a', 'b'])
>>> df
   col1  col2
a     1   0.1
b     2   0.2
>>> df.to_dict()
{'col1': {'a': 1, 'b': 2}, 'col2': {'a': 0.5, 'b': 0.75}}

有关详细信息，请参见此

关于我的使用（节点名称和xy位置），我找到了@user4179775对最有用/直观的答案：

import pandas as pd

df = pd.read_csv('glycolysis_nodes_xy.tsv', sep='\t')

df.head()
    nodes    x    y
0  c00033  146  958
1  c00031  601  195
...

xy_dict_list=dict([(i,[a,b]) for i, a,b in zip(df.nodes, df.x,df.y)])

xy_dict_list
{'c00022': [483, 868],
 'c00024': [146, 868],
 ... }

xy_dict_tuples=dict([(i,(a,b)) for i, a,b in zip(df.nodes, df.x,df.y)])

xy_dict_tuples
{'c00022': (483, 868),
 'c00024': (146, 868),
 ... }

---

附录

后来我又回到这个问题上，做了其他相关的工作。这是一种更接近于公认答案的方法

node_df = pd.read_csv('node_prop-glycolysis_tca-from_pg.tsv', sep='\t')

node_df.head()
   node  kegg_id kegg_cid            name  wt  vis
0  22    22       c00022   pyruvate        1   1
1  24    24       c00024   acetyl-CoA      1   1
...

将数据帧转换为[列表]，{dict}，{dict of{dict}，…

根据已接受的答复：

node_df.set_index('kegg_cid').T.to_dict('list')

{'c00022': [22, 22, 'pyruvate', 1, 1],
 'c00024': [24, 24, 'acetyl-CoA', 1, 1],
 ... }

node_df.set_index('kegg_cid').T.to_dict('dict')

{'c00022': {'kegg_id': 22, 'name': 'pyruvate', 'node': 22, 'vis': 1, 'wt': 1},
 'c00024': {'kegg_id': 24, 'name': 'acetyl-CoA', 'node': 24, 'vis': 1, 'wt': 1},
 ... }

在我的例子中，我想做同样的事情，但是要使用Pandas dataframe中的选定列，所以我需要对这些列进行切片。有两种方法

直接：

（见：）

“间接地：”首先，从Pandas数据帧中分割所需的列/数据（同样，两种方法）

或

然后可以使用它创建一个字典字典

node_df_sliced.set_index('kegg_cid').T.to_dict('dict')

{'c00022': {'name': 'pyruvate', 'vis': 1, 'wt': 1},
 'c00024': {'name': 'acetyl-CoA', 'vis': 1, 'wt': 1},
 ... }

---

字典应该是这样的：

{'red': '0.500', 'yellow': '0.250, 'blue': '0.125'}

需要从数据帧中删除，如：

        a      b
0     red  0.500
1  yellow  0.250
2    blue  0.125

最简单的方法是：

dict(df.values)

下面的工作片段：

import pandas as pd
df = pd.DataFrame({'a': ['red', 'yellow', 'blue'], 'b': [0.5, 0.25, 0.125]})
dict(df.values)

有输出

{'p': [1, 3, 2], 'q': [4, 3, 2], 'r': [4, 0, 9]}

---

Dataframe.to_dict（）

？

Dataframe.to_dict（）

将使

A、B、C

键代替

p、q、r

@jezrael如何获得以下输出？{2:{'p'：[1,3]}，2:{'q'：[4,3]}，9:{'r'：[4,0]}对于同一个数据集？@jezrael列与上述问题{'c'：{'ID'：'A'，'B'}等价。这个问题只涉及一列。这将是一行：

df.set_index（'ID'）.T.to_dict（'list'）

，用于数据帧中的一条记录。df.T.to_dict（）[0]

df.to_dict（'records'）

是大多数现代软件希望dict与

json

类似的模式相匹配的方式。最后一位似乎使用dict理解代替for循环+列表理解（3行->1）会更简单。不管是哪种方式，尽管有选项很好，但最上面的答案要短得多。这很方便，因为它清楚地解释了如何使用特定的列或标题作为索引。是的，但OP明确表示他们希望行索引是键，而不是列标签。整洁 ! 不过，它只适用于两列数据帧。

{'red': '0.500', 'yellow': '0.250, 'blue': '0.125'}

        a      b
0     red  0.500
1  yellow  0.250
2    blue  0.125

dict(df.values)

import pandas as pd
df = pd.DataFrame({'a': ['red', 'yellow', 'blue'], 'b': [0.5, 0.25, 0.125]})
dict(df.values)

df = pd.DataFrame([['p',1,3,2], ['q',4,3,2], ['r',4,0,9]], columns=['ID','A','B','C'])
my_dict = {k:list(v) for k,v in zip(df['ID'], df.drop(columns='ID').values)}
print(my_dict)

{'p': [1, 3, 2], 'q': [4, 3, 2], 'r': [4, 0, 9]}