一、Python之Pandas：利用pandas实现行数据添加，即将字典格式的数据，按照行数据，从头开始循环添加到dataframe中 实现代码 #行数据添加：将字典格式的数据，按照行数据循环添加到dataframe中 import pandas as pd dataf=pd.DataFrame(columns=['keys','values'], index=[]) i=0 for name, hex in data_dict.items(): dataf.loc[i] = [name, hex] i+=1 print(dataf) 输出结果 keys values 0 aliceblue #F0F8FF 1 antiquewhite #FAEBD7 2 aqua #00FFFF 3 aquamarine #7FFFD4 4 azure #F0FFFF .. ... ... 143 wheat #F5DEB3 144 white #FFFFFF 145 whitesmoke #F5F5F5 146 yellow #FFFF00 147 yellowgreen #9ACD32
原文链接：blog.csdn.net/qq_41185868…
二、# pandas 写入字典_python - 将Pandas DataFrame转换为字典 to_dict()方法将列名称设置为字典键，因此您需要稍微重新整形DataFrame。 设置＆＃39; ID＆＃39; 列作为索引，然后转置DataFrame是实现此目的的一种方法。
to_dict()也接受“东方”的定位。 您为了输出每列的值列表而需要的参数。 否则，将为每列返回表单{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，这里是可能的东方参数的示例。 考虑以下简单的DataFrame：
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。
dict - 默认值：列名是键，值是索引的字典：数据对
df.to_dict('dict')
{'a': {0: 'red', 1: 'yellow', 2: 'blue'},
'b': {0: 0.5, 1: 0.25, 2: 0.125}}
list - 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＆＃39; list＆＃39;，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}
split - 将列/数据/索引拆分为键，值分别为列名，数据值分别按行和索引标签
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}]
index - like＆＃39; records＆＃39 ;,但是一个字典字典，其中键作为索引标签(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}}
