dict存到pandas_怎么在pandas中使用to_dict方法

阳光穿透心脏的1/2处 2023-01-10 03:55 60阅读 0赞

怎么在pandas中使用to\_dict方法

发布时间：2021-01-06 15:54:56

来源：亿速云

阅读：62

作者：Leah

怎么在pandas中使用to\_dict方法？针对这个问题，这篇文章详细介绍了相对应的分析和解答，希望可以帮助更多想解决这个问题的小伙伴找到更简单易行的方法。

简介：pandas 中的to\_dict 可以对DataFrame类型的数据进行转换

可以选择六种的转换类型，分别对应于参数 ‘dict', ‘list', ‘series', ‘split', ‘records', ‘index'，下面逐一介绍每种的用法Help on method to\_dict in module pandas.core.frame:

to\_dict(orient='dict') method of pandas.core.frame.DataFrame instance

Convert DataFrame to dictionary.

Parameters

\----------

orient : str \{'dict', 'list', 'series', 'split', 'records', 'index'\}

Determines the type of the values of the dictionary.

\- dict (default) : dict like \{column -> \{index -> value\}\}

\- list : dict like \{column -> \[values\]\}

\- series : dict like \{column -> Series(values)\}

\- split : dict like

\{index -> \[index\], columns -> \[columns\], data -> \[values\]\}

\- records : list like

\[\{column -> value\}, ... , \{column -> value\}\]

\- index : dict like \{index -> \{column -> value\}\}

.. versionadded:: 0.17.0

Abbreviations are allowed. \`s\` indicates \`series\` and \`sp\`

indicates \`split\`.

Returns

\-------

result : dict like \{column -> \{index -> value\}\}

1、选择参数orient='dict'

dict也是默认的参数，下面的data数据类型为DataFrame结构, 会形成 \{column -> \{index -> value\}\}这样的结构的字典，可以看成是一种双重字典结构

\- 单独提取每列的值及其索引，然后组合成一个字典

\- 再将上述的列属性作为关键字(key)，值(values)为上述的字典

查询方式为 ：data\_dict\[key1\]\[key2\]

\- data\_dict 为参数选择orient='dict'时的数据名

\- key1 为列属性的键值(外层)

\- key2 为内层字典对应的键值data

Out\[9\]:

pclass age embarked   home.dest sex

1086 3rd 31.194181 UNKNOWN   UNKNOWN male

12 1st 31.194181 Cherbourg   Paris, France female

1036 3rd 31.194181 UNKNOWN   UNKNOWN male

833 3rd 32.000000 Southampton Foresvik, Norway Portland, ND male

1108 3rd 31.194181 UNKNOWN   UNKNOWN male

562 2nd 41.000000 Cherbourg   New York, NY male

437 2nd 48.000000 Southampton Somerset / Bernardsville, NJ female

663 3rd 26.000000 Southampton   UNKNOWN male

669 3rd 19.000000 Southampton   England male

507 2nd 31.194181 Southampton  Petworth, Sussex male

In\[10\]: data\_dict=data.to\_dict(orient= 'dict')

In\[11\]: data\_dict

Out\[11\]:

\{'age': \{12: 31.19418104265403,

437: 48.0,

507: 31.19418104265403,

562: 41.0,

663: 26.0,

669: 19.0,

833: 32.0,

1036: 31.19418104265403,

1086: 31.19418104265403,

1108: 31.19418104265403\},

'embarked': \{12: 'Cherbourg',

437: 'Southampton',

507: 'Southampton',

562: 'Cherbourg',

663: 'Southampton',

669: 'Southampton',

833: 'Southampton',

1036: 'UNKNOWN',

1086: 'UNKNOWN',

1108: 'UNKNOWN'\},

'home.dest': \{12: 'Paris, France',

437: 'Somerset / Bernardsville, NJ',

507: 'Petworth, Sussex',

562: 'New York, NY',

663: 'UNKNOWN',

669: 'England',

833: 'Foresvik, Norway Portland, ND',

1036: 'UNKNOWN',

1086: 'UNKNOWN',

1108: 'UNKNOWN'\},

'pclass': \{12: '1st',

437: '2nd',

507: '2nd',

562: '2nd',

663: '3rd',

669: '3rd',

833: '3rd',

1036: '3rd',

1086: '3rd',

1108: '3rd'\},

'sex': \{12: 'female',

437: 'female',

507: 'male',

562: 'male',

663: 'male',

669: 'male',

833: 'male',

1036: 'male',

1086: 'male',

1108: 'male'\}\}

2、当关键字orient=' list' 时

和1中比较相似，只不过内层变成了一个列表，结构为\{column -> \[values\]\}

查询方式为： data\_list\[keys\]\[index\]

data\_list 为关键字orient='list' 时对应的数据名

keys 为列属性的键值，如本例中的'age' , ‘embarked'等

index 为整型索引，从0开始到最后In\[19\]: data\_list=data.to\_dict(orient='list')

In\[20\]: data\_list

Out\[20\]:

\{'age': \[31.19418104265403,

31.19418104265403,

32.0,

31.19418104265403,

41.0,

48.0,

26.0,

19.0,

31.19418104265403\],

'embarked': \['UNKNOWN',

'Cherbourg',

'UNKNOWN',

'Southampton',

'UNKNOWN',

'Cherbourg',

'Southampton',

'Southampton'\],

'home.dest': \['UNKNOWN',

'Paris, France',

'UNKNOWN',

'Foresvik, Norway Portland, ND',

'UNKNOWN',

'New York, NY',

'Somerset / Bernardsville, NJ',

'UNKNOWN',

'England',

'Petworth, Sussex'\],

'pclass': \['3rd',

'1st',

'3rd',

'2nd',

'3rd',

'2nd'\],

'sex': \['male',

'female',

'male',

'female',

'male',

'male'\]\}

3、关键字参数orient='series'

形成结构\{column -> Series(values)\}

调用格式为：data\_series\[key1\]\[key2\]或data\_dict\[key1\]

data\_series 为数据对应的名字

key1 为列属性的键值，如本例中的'age' , ‘embarked'等

key2 使用数据原始的索引(可选)In\[21\]: data\_series=data.to\_dict(orient='series')

In\[22\]: data\_series

Out\[22\]:

\{'age': 1086 31.194181

12 31.194181

1036 31.194181

833 32.000000

1108 31.194181

562 41.000000

437 48.000000

663 26.000000

669 19.000000

507 31.194181

Name: age, dtype: float64, 'embarked': 1086 UNKNOWN

12 Cherbourg

1036 UNKNOWN

833 Southampton

1108 UNKNOWN

562 Cherbourg

437 Southampton

663 Southampton

669 Southampton

507 Southampton

Name: embarked, dtype: object, 'home.dest': 1086    UNKNOWN

12   Paris, France

1036    UNKNOWN

833 Foresvik, Norway Portland, ND

1108    UNKNOWN

562   New York, NY

437 Somerset / Bernardsville, NJ

663    UNKNOWN

669    England

507   Petworth, Sussex

Name: home.dest, dtype: object, 'pclass': 1086 3rd

12 1st

1036 3rd

833 3rd

1108 3rd

562 2nd

437 2nd

663 3rd

669 3rd

507 2nd

Name: pclass, dtype: object, 'sex': 1086 male

12 female

1036 male

833 male

1108 male

562 male

437 female

663 male

669 male

507 male

Name: sex, dtype: object\}

4、关键字参数orient='split'

形成\{index -> \[index\], columns -> \[columns\], data -> \[values\]\}的结构，是将数据、索引、属性名单独脱离出来构成字典

调用方式有 data\_split\[‘index'\],data\_split\[‘data'\],data\_split\[‘columns'\]data\_split=data.to\_dict(orient='split')

data\_split

Out\[38\]:

\{'columns': \['pclass', 'age', 'embarked', 'home.dest', 'sex'\],

'data': \[\['3rd', 31.19418104265403, 'UNKNOWN', 'UNKNOWN', 'male'\],

\['1st', 31.19418104265403, 'Cherbourg', 'Paris, France', 'female'\],

\['3rd', 31.19418104265403, 'UNKNOWN', 'UNKNOWN', 'male'\],

\['3rd', 32.0, 'Southampton', 'Foresvik, Norway Portland, ND', 'male'\],

\['3rd', 31.19418104265403, 'UNKNOWN', 'UNKNOWN', 'male'\],

\['2nd', 41.0, 'Cherbourg', 'New York, NY', 'male'\],

\['2nd', 48.0, 'Southampton', 'Somerset / Bernardsville, NJ', 'female'\],

\['3rd', 26.0, 'Southampton', 'UNKNOWN', 'male'\],

\['3rd', 19.0, 'Southampton', 'England', 'male'\],

\['2nd', 31.19418104265403, 'Southampton', 'Petworth, Sussex', 'male'\]\],

'index': \[1086, 12, 1036, 833, 1108, 562, 437, 663, 669, 507\]\}

5、当关键字orient='records' 时

形成\[\{column -> value\}, … , \{column -> value\}\]的结构

整体构成一个列表，内层是将原始数据的每行提取出来形成字典

调用格式为data\_records\[index\]\[key1\]data\_records=data.to\_dict(orient='records')

data\_records

Out\[41\]:

\[\{'age': 31.19418104265403,

'embarked': 'UNKNOWN',

'home.dest': 'UNKNOWN',

'pclass': '3rd',

'sex': 'male'\},

\{'age': 31.19418104265403,

'embarked': 'Cherbourg',

'home.dest': 'Paris, France',

'pclass': '1st',

'sex': 'female'\},

\{'age': 31.19418104265403,

'embarked': 'UNKNOWN',

'home.dest': 'UNKNOWN',

'pclass': '3rd',

'sex': 'male'\},

\{'age': 32.0,

'embarked': 'Southampton',

'home.dest': 'Foresvik, Norway Portland, ND',

'pclass': '3rd',

'sex': 'male'\},

\{'age': 31.19418104265403,

'embarked': 'UNKNOWN',

'home.dest': 'UNKNOWN',

'pclass': '3rd',

'sex': 'male'\},

\{'age': 41.0,

'embarked': 'Cherbourg',

'home.dest': 'New York, NY',

'pclass': '2nd',

'sex': 'male'\},

\{'age': 48.0,

'embarked': 'Southampton',

'home.dest': 'Somerset / Bernardsville, NJ',

'pclass': '2nd',

'sex': 'female'\},

\{'age': 26.0,

'embarked': 'Southampton',

'home.dest': 'UNKNOWN',

'pclass': '3rd',

'sex': 'male'\},

\{'age': 19.0,

'embarked': 'Southampton',

'home.dest': 'England',

'pclass': '3rd',

'sex': 'male'\},

\{'age': 31.19418104265403,

'embarked': 'Southampton',

'home.dest': 'Petworth, Sussex',

'pclass': '2nd',

'sex': 'male'\}\]

6、当关键字orient='index' 时

形成\{index -> \{column -> value\}\}的结构，调用格式正好和'dict' 对应的反过来，请读者自己思考data\_index=data.to\_dict(orient='index')

data\_index

Out\[43\]:

\{12: \{'age': 31.19418104265403,

'embarked': 'Cherbourg',

'home.dest': 'Paris, France',

'pclass': '1st',

'sex': 'female'\},

437: \{'age': 48.0,

'embarked': 'Southampton',

'home.dest': 'Somerset / Bernardsville, NJ',

'pclass': '2nd',

'sex': 'female'\},

507: \{'age': 31.19418104265403,

'embarked': 'Southampton',

'home.dest': 'Petworth, Sussex',

'pclass': '2nd',

'sex': 'male'\},

562: \{'age': 41.0,

'embarked': 'Cherbourg',

'home.dest': 'New York, NY',

'pclass': '2nd',

'sex': 'male'\},

663: \{'age': 26.0,

'embarked': 'Southampton',

'home.dest': 'UNKNOWN',

'pclass': '3rd',

'sex': 'male'\},

669: \{'age': 19.0,

'embarked': 'Southampton',

'home.dest': 'England',

'pclass': '3rd',

'sex': 'male'\},

833: \{'age': 32.0,

'embarked': 'Southampton',

'home.dest': 'Foresvik, Norway Portland, ND',

'pclass': '3rd',

'sex': 'male'\},

1036: \{'age': 31.19418104265403,

'embarked': 'UNKNOWN',

'home.dest': 'UNKNOWN',

'pclass': '3rd',

'sex': 'male'\},

1086: \{'age': 31.19418104265403,

'embarked': 'UNKNOWN',

'home.dest': 'UNKNOWN',

'pclass': '3rd',

'sex': 'male'\},

1108: \{'age': 31.19418104265403,

'embarked': 'UNKNOWN',

'home.dest': 'UNKNOWN',

'pclass': '3rd',

'sex': 'male'\}\}

关于怎么在pandas中使用to\_dict方法问题的解答就分享到这里了，希望以上内容可以对大家有一定的帮助，如果你还有很多疑惑没有解开，可以关注亿速云行业资讯频道了解更多相关知识。

dict存到pandas_怎么在pandas中使用to_dict方法

发表评论取消回复

还没有评论，来说两句吧...

相关阅读

相关 pandas写入excel中在dict出现的问题

相关 pandas rolling方法_Python pandas.DataFrame.rolling函数方法的使用

相关 dict存到pandas_怎么在pandas中使用to_dict方法

相关在pandas中使用sql

相关 Python中pandas模块的使用方法

相关 Pandas 使用入门

相关 Pandas 使用教程

相关 pandas操作方法

相关教你怎么在Python中使用Pandas.DataFrame对Excel进行操作

相关 Python pandas，pandas布尔索引，pandas的字符串方法