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Python 将数据帧转换为字典,python,pandas,dictionary,dataframe,Python,Pandas,Dictionary,Dataframe,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 ])
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
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]}