Python 将数据帧的索引设置为字典中的单个键

我有一个数据帧，例如：

df = {'index': [0, 0, 0, 0, 0, 1,1,1,1,1, 2,2,2,2], 'value': ['val1', 'val2', 'val3', 'val4', 'val5', 'val6','val7','val8','val9','val10', 'val11','val12','val13','val14']}

我希望得到一个字典，其中每个索引都将成为我字典中的一个键，以便： 键=0，值=['val1'，'val2'，'val3'，'val4'，'val5']

---

知道怎么做吗？我一直在使用“to_dict”，但看起来我没有做我需要做的事情。

我可以想出如下方法：

import pandas as pd
df = pd.DataFrame({'index': [0, 0, 0, 0, 0, 1,1,1,1,1, 2,2,2,2], 'value': ['val1', 'val2', 'val3', 'val4', 'val5', 'val6','val7','val8','val9','val10', 'val11','val12','val13','val14']})
df.groupby(by='index').apply(lambda x: list(x['value'])).to_dict()

输出为：

{0: ['val1', 'val2', 'val3', 'val4', 'val5'],
 1: ['val6', 'val7', 'val8', 'val9', 'val10'],
 2: ['val11', 'val12', 'val13', 'val14']}

---

我能想到这样的事情：

import pandas as pd
df = pd.DataFrame({'index': [0, 0, 0, 0, 0, 1,1,1,1,1, 2,2,2,2], 'value': ['val1', 'val2', 'val3', 'val4', 'val5', 'val6','val7','val8','val9','val10', 'val11','val12','val13','val14']})
df.groupby(by='index').apply(lambda x: list(x['value'])).to_dict()

输出为：

{0: ['val1', 'val2', 'val3', 'val4', 'val5'],
 1: ['val6', 'val7', 'val8', 'val9', 'val10'],
 2: ['val11', 'val12', 'val13', 'val14']}

---

使用

groupby

和

apply

，然后是最后一个

命令

调用

df.groupby('index').value.apply(list).to_dict()
# {0: ['val1', 'val2', 'val3', 'val4', 'val5'],
#  1: ['val6', 'val7', 'val8', 'val9', 'val10'],
#  2: ['val11', 'val12', 'val13', 'val14']}

---

另一个选项是使用

setdefault

在行上迭代并附加到字典中的值

d = {}
for k, v in zip(df['index'], df.value):
    d.setdefault(k, []).append(v)

print(d)
# {0: ['val1', 'val2', 'val3', 'val4', 'val5'],
#  1: ['val6', 'val7', 'val8', 'val9', 'val10'],
#  2: ['val11', 'val12', 'val13', 'val14']}

---

我的测试表明，对于中等大小的帧，这实际上比

groupby

的性能要好。这也将保留值顺序，同时

groupby

执行排序（是否稳定是一个实现细节）。

使用

groupby

和

apply

，然后是最后的

to dict

调用

df.groupby('index').value.apply(list).to_dict()
# {0: ['val1', 'val2', 'val3', 'val4', 'val5'],
#  1: ['val6', 'val7', 'val8', 'val9', 'val10'],
#  2: ['val11', 'val12', 'val13', 'val14']}

---

另一个选项是使用

setdefault

在行上迭代并附加到字典中的值

d = {}
for k, v in zip(df['index'], df.value):
    d.setdefault(k, []).append(v)

print(d)
# {0: ['val1', 'val2', 'val3', 'val4', 'val5'],
#  1: ['val6', 'val7', 'val8', 'val9', 'val10'],
#  2: ['val11', 'val12', 'val13', 'val14']}

---

我的测试表明，对于中等大小的帧，这实际上比

groupby

的性能要好。这也将保留值排序，同时

groupby

执行排序（是否稳定是一个实现细节）。

使用

itertools

import itertools
l=df.sort_values('index').values.tolist()
d={k: [x[1] for x in g] for k, g in itertools.groupby(l,lambda x : x[0])}
d
{0: ['val1', 'val2', 'val3', 'val4', 'val5'], 1: ['val6', 'val7', 'val8', 'val9', 'val10'], 2: ['val11', 'val12', 'val13', 'val14']}

---

使用

itertools

import itertools
l=df.sort_values('index').values.tolist()
d={k: [x[1] for x in g] for k, g in itertools.groupby(l,lambda x : x[0])}
d
{0: ['val1', 'val2', 'val3', 'val4', 'val5'], 1: ['val6', 'val7', 'val8', 'val9', 'val10'], 2: ['val11', 'val12', 'val13', 'val14']}

---

非常感谢。我现在想将其转储到一个json文件中，但我的密钥现在被解释为int，并且需要是字符串。我该怎么做？您可以执行

导入json

，然后执行

json.dumps（var1）

。应该是类似于“

”{“0”：[“val1”、“val2”、“val3”、“val4”、“val5”]，“1”：[“val6”、“val7”、“val8”、“val9”、“val10”]，“2”：[“val11”、“val12”、“val13”、“val14”]}

谢谢。我现在想将其转储到一个json文件中，但我的密钥现在被解释为int，并且需要是字符串。我该怎么做？您可以执行

导入json

，然后执行

json.dumps（var1）

。应该是类似于“

”{“0”：[“val1”、“val2”、“val3”、“val4”、“val5”]、“1”：[“val6”、“val7”、“val8”、“val9”、“val10”]、“2”：[“val11”、“val12”、“val13”、“val14”]}

查找alt:-）~查找alt:-）~