我有一个拥有四列的DataFrame。我想将这个DataFrame转换成Python字典。我希望第一列的元素成为keys
,同一行其他列的元素成为values
。
DataFrame:
ID A B C
0 p 1 3 2
1 q 4 3 2
2 r 4 0 9
输出应该像这样:
{'p': [1,3,2], 'q': [4,3,2], 'r': [4,0,9]}
我有一个拥有四列的DataFrame。我想将这个DataFrame转换成Python字典。我希望第一列的元素成为keys
,同一行其他列的元素成为values
。
DataFrame:
ID A B C
0 p 1 3 2
1 q 4 3 2
2 r 4 0 9
输出应该像这样:
{'p': [1,3,2], 'q': [4,3,2], 'r': [4,0,9]}
to_dict()
方法会将 DataFrame 的列名作为字典键,因此需要稍微调整一下 DataFrame 的格式。可以通过将“ID”列设置为索引,然后对 DataFrame 进行转置来实现。
to_dict()
还接受一个“orient”参数,你需要使用它才能为每一列输出一个值的列表。否则,每一列将返回一个形如 {index: value}
的字典。
可以使用以下代码完成这些步骤:
>>> df.set_index('ID').T.to_dict('list')
{'p': [1, 3, 2], 'q': [4, 3, 2], 'r': [4, 0, 9]}
如果需要不同的词典格式,这里提供了可能的方向参数的示例。考虑以下简单的数据框:
>>> 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
那么选项如下。
dict - 默认值: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,值是列数据的列表
>>> df.to_dict('list')
{'a': ['red', 'yellow', 'blue'],
'b': [0.5, 0.25, 0.125]}
Series是一种类似于“list”的数据结构,但其中的值是Series类型的。
>>> 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}
split - 按键将列/数据/索引分割为键,值为列名,数据值按行和索引标签分别表示
>>> df.to_dict('split')
{'columns': ['a', 'b'],
'data': [['red', 0.5], ['yellow', 0.25], ['blue', 0.125]],
'index': [0, 1, 2]}
记录 - 每一行都会变成一个字典,其中键是列名称,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}]
index - 类似于“records”,但是是一个字典的字典,以索引标签作为键(而不是列表)
>>> df.to_dict('index')
{0: {'a': 'red', 'b': 0.5},
1: {'a': 'yellow', 'b': 0.25},
2: {'a': 'blue', 'b': 0.125}}
df.set_index('ID').T.to_dict('list')
- Anzeldf.to_dict('records')
是大多数现代软件想要的匹配 json
格式的字典。 - GavinBelsondict(list(df.iterrows()))
来实现。祝愉快! - George Pligoropoulos是否应该有这样一个字典:
{'red': '0.500', 'yellow': '0.250', 'blue': '0.125'}
需要从类似数据框的数据中获取:
a b
0 red 0.500
1 yellow 0.250
2 blue 0.125
最简单的方法是这样做:
dict(df.values)
以下是可工作的代码片段:import pandas as pd
df = pd.DataFrame({'a': ['red', 'yellow', 'blue'], 'b': [0.5, 0.25, 0.125]})
dict(df.values)
假设您的数据框如下:
>>> df
A B C ID
0 1 3 2 p
1 4 3 2 q
2 4 0 9 r
set_index
将ID
列设置为数据帧的索引。 df.set_index("ID", drop=True, inplace=True)
orient=index
参数将索引作为字典键。 dictionary = df.to_dict(orient="index")
结果将如下:
>>> dictionary
{'q': {'A': 4, 'B': 3, 'D': 2}, 'p': {'A': 1, 'B': 3, 'D': 2}, 'r': {'A': 4, 'B': 0, 'D': 9}}
column_order= ["A", "B", "C"] # Determine your preferred order of columns
d = {} # Initialize the new dictionary as an empty dictionary
for k in dictionary:
d[k] = [dictionary[k][column_name] for column_name in column_order]
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]}
如果您不介意字典值是元组,则可以使用itertuples:
>>> {x[0]: x[1:] for x in df.itertuples(index=False)}
{'p': (1, 3, 2), 'q': (4, 3, 2), 'r': (4, 0, 9)}
对于我的用途(带有xy位置的节点名称),我发现@user4179775的答案最有帮助/直观:
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),
... }
附言
后来我因为其他相关工作再次回到这个问题。下面是一个更贴近被[优秀的]接受答案的方法。
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Pandas数据框转换为[list],{dict},{dict of {dict}}等
根据被接受的答案:
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},
... }
在我的情况下,我希望使用来自Pandas数据框的选定列执行相同的操作,因此需要切片列。 有两种方法。
node_df.set_index('kegg_cid')[['name', 'wt', 'vis']].T.to_dict('dict')
{'c00022': {'name': 'pyruvate', 'vis': 1, 'wt': 1},
'c00024': {'name': 'acetyl-CoA', 'vis': 1, 'wt': 1},
... }
node_df_sliced = node_df[['kegg_cid', 'name', 'wt', 'vis']]
或者
node_df_sliced2 = node_df.loc[:, ['kegg_cid', 'name', 'wt', 'vis']]
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},
... }
c00022
,就会出现这种情况。 - Graciela Carrillo大多数答案没有涉及ID在数据框中可能存在多次的情况。如果ID
在数据框df
中可能重复,您需要使用一个列表来存储值(即一个列表的列表),按ID
分组:
{k: [g['A'].tolist(), g['B'].tolist(), g['C'].tolist()] for k,g in df.groupby('ID')}
result = {row.ID: [row.A, row.B, row.C] for (index, row) in df.iterrows()}
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)
带有输出
{'p': [1, 3, 2], 'q': [4, 3, 2], 'r': [4, 0, 9]}
set_index().T.to_dict()
是一个非常简单的语法,但是转置数据框架非常慢。 dict(zip(...))
语法大约快70倍。例如,对于一个有100万行的框架,dict(zip(...))
只需要不到0.5秒,而 set_index.T.to_dict
则需要超过30秒。
mydict = dict(zip(df['ID'], df.set_index('ID').values.tolist()))
使用 itertuples
的字典推导式非常快(由 Kamil Sindi 建议),但比 dict(zip(...))
慢大约 3 倍。
mydict = {x[0]: list(x[1:]) for x in df.itertuples(index=False)}
itertuples
在ID列具有重复值时特别有用。通过itertuples
循环遍历数据帧并使用dict.setdefault
构建字典比使用groupby
(Ka Wa Yip建议的方法)或iterrows
更快。例如,对于具有100k行和60k个唯一ID的数据帧,itertuples
比groupby
快250倍。1
mydict = {}
for row in df.itertuples(index=False):
mydict.setdefault(row[0], []).append(list(row[1:]))
正如运行时图所示,无论数据框有多大,dict(zip(...))
和带有dict.setdefault
的itertuples
都比它们更“pandas”的对应方法快得多。
用于生成上述图表的代码:
import numpy as np
from perfplot import plot
plot(
setup=lambda n: pd.DataFrame({'ID': np.arange(n)}).join(pd.DataFrame(np.random.default_rng().choice(10, size=(n, 3)), columns=[*'ABC'])),
kernels=[lambda df: dict(zip(df['ID'], df.set_index('ID').values.tolist())),
lambda df: df.set_index('ID').T.to_dict('list'),
lambda df: {x[0]: list(x[1:]) for x in df.itertuples(index=False)}],
labels= ["dict(zip(df['ID'], df.set_index('ID').values.tolist()))",
"df.set_index('ID').T.to_dict('list')",
"{x[0]: list(x[1:]) for x in df.itertuples(index=False)}"],
n_range=[2**k for k in range(18)],
xlabel='Number of rows',
title='Unique IDs',
equality_check=lambda x,y: x==y);
def itertuples_(df):
mydict = {}
for row in df.itertuples(index=False):
mydict.setdefault(row[0], []).append(list(row[1:]))
return mydict
def groupby_(df):
return {k: g[['A', 'B', 'C']].values.tolist() for k, g in df.groupby('ID')}
plot(
setup=lambda n: pd.DataFrame(np.random.default_rng().choice(n, size=(n, 4)), columns=['ID','A','B','C']),
kernels=[itertuples_, groupby_],
labels= ["itertuples", "groupby"],
n_range=[2**k for k in range(17)],
xlabel="Number of rows",
title="Duplicated IDs",
equality_check=lambda x,y: x==y);
Dataframe.to_dict()
是一个 pandas 数据分析库的函数,用于将数据框转换为 Python 字典格式。 - AnzelDataframe.to_dict()
会将A、B、C
作为键,而不是p、q、r
。 - Prince Bhatti