dataframe转字典

一,DataFrame转字典格式

DataFrame.to_dict (orient='dict')

函数种只需要填写一个参数：orient 即可，但对于写入orient的不同，字典的构造方式也不同，官网一共给出了6种，orient的名字与转成字典value的格式有关系.

1.orient ='dict'，是函数默认的，转化后的字典形式,字典的value是一个字典,字典的kv分别是该行名和该列对应的值

{column(列名) : {index(行名) : value(值) )}}；
2.orient ='list' ，转化后的字典形式,字典的value是一个列表,该列表是把这一列的值全部取出来

{column(列名) :{ values }};
3.orient ='series' ，转化后的字典形式,value和列表类似是一个Series格式的

{column(列名) : Series (values) (值)};
4.orient ='split' ，转化后的字典形式,把df格式拆分成3块,行,列,和值

{'index' : [index]，‘columns' :[columns]，’data‘ : [values]};
5.orient ='records' ，转化后是 list形式由字典组成,每个字典都是一行,k是对应列名,v是对应值：

[{column(列名) : value(值)}......{column:value}];
6.orient ='index' ，转化后的字典形式：按一行一行展开,每个元素又是字典,k是列名,v是对应值

{index(值) : {column(列名) : value(值)}};

'dict'

to_dict('list') 时，构造好的字典形式：{第一列的列名:{第一行的行名：value值，第二行行名，value值}，....}；

>>> df
      col_1  col_2
row1      1   0.50
row2      2   0.75
>>> df.to_dict('dict')
{'col_1': {'row1': 1, 'row2': 2}, 'col_2': {'row1': 0.5, 'row2': 0.75}}

orient = 'dict 可以很方面得到在某一列对应的行名与各值之间的字典数据类型，例如在源数据上面我想得到在col_1这一列行名与各值之间的字典，直接在生成字典查询列名为col_1：

>>> df
      col_1  col_2
row1      1   0.50
row2      2   0.75
>>> df.to_dict('dict')['col_1']
{'row1': 1, 'row2': 2}

'list'

生成字典中 key为各列名，value为各列对应值的列表

>>> df
      col_1  col_2
row1      1   0.50
row2      2   0.75
>>> df.to_dict('list')
{'col_1': [1, 2], 'col_2': [0.5, 0.75]}

orient = 'list' 时，可以很方面得到在某一列 各值所生成的列表集合，例如我想得到col_2 对应值得列表：

>>> df
      col_1  col_2
row1      1   0.50
row2      2   0.75
>>> df.to_dict('list')['col_2']
[0.5, 0.75]

'series'

orient ='series'` 与 `orient = 'list'` 唯一区别就是，这里的 `value` 是 `Series数据类型`，而前者为`列表类型
>>> df
      col_1  col_2
row1      1   0.50
row2      2   0.75
>>> df.to_dict('series')
{'col_1': row1    1
row2    2
Name: col_1, dtype: int64, 'col_2': row1    0.50
row2    0.75
Name: col_2, dtype: float64}

'split'

orient ='split' 得到三个键值对，列名、行名、值各一个，value统一都是列表形式；

>>> df
      col_1  col_2
row1      1   0.50
row2      2   0.75
>>> df.to_dict('split')
{'index': ['row1', 'row2'], 'columns': ['col_1', 'col_2'], 'data': [[1, 0.5], [2, 0.75]]}

orient = 'split' 可以很方面得到 DataFrame数据表 中全部 列名或者行名 的列表形式，例如我想得到全部列名：

>>> df
      col_1  col_2
row1      1   0.50
row2      2   0.75
>>> df.to_dict('split')['columns']
['col_1', 'col_2']

'records'

注意的是，orient ='records' 返回的数据类型不是 dict ; 而是list 列表形式，由全部列名与每一行的值形成一一对应的映射关系:

>>> df
      col_1  col_2
row1      1   0.50
row2      2   0.75
>>> df.to_dict('records')
[{'col_1': 1, 'col_2': 0.5}, {'col_1': 2, 'col_2': 0.75}]

这个构造方式的好处就是，很容易得到列名与某一行值形成得字典数据；例如我想要第2行{column:value}得数据：

>>> df
      col_1  col_2
row1      1   0.50
row2      2   0.75
>>> df.to_dict('records')[1]
{'col_1': 2, 'col_2': 0.75}

'index'

orient ='index'与2.1用法刚好相反，求某一行中列名与值之间一一对应关系(查询效果与2.5相似)：

>>> df
      col_1  col_2
row1      1   0.50
row2      2   0.75
>>> df.to_dict('index')
{'row1': {'col_1': 1, 'col_2': 0.5}, 'row2': {'col_1': 2, 'col_2': 0.75}}

#查询行名为 row2 列名与值一一对应字典数据类型
>>> df.to_dict('index')['row2']
{'col_1': 2, 'col_2': 0.75}

二,DataFrame转列表格式

转成列表不常用到

形式为,结果是列表套列表的格式,元素是由每一行的所有信息组成的列表,

df1 = df.values.tolist()

这里的tolist()是array的方法,不是pandas的方法