dataframe转换为字典的实例
下面为大家分享一篇Python中将dataframe转换为字典的实例，具有很好的参考价值，希望对大家有所帮助。一起来看看吧
有时候，在Python中需要将dataframe类型转换为字典类型，下面的方法帮助我们解决这一问题。 一、
实例一、
任务代码：
encoding: utf-8
import pandas as pd a =['Name', 'Age', 'Gender'] b =['Ali', '19', 'China'] data = pd.DataFrame(zip(a, b), columns=['project', 'attribute']) print data dict_country = data.set_index('project').T.to_dict('list') print dict_country
输出显示
project attribute 0 Name Ali 1 Age 19 2 Gender China {'Gender' : ['China'],'Age': ['19'], 'Name': ['Ali']} 值得注意的是，转置之前需要设置指定的索引，否则会按照默认索引转换成这样︰ {0: ['Name' ,'Ali],1: ['Age' , '19],2: [Gender , 'China']}
实例二
将DataFrame的某列数据取出来，然后转化成字典： import pandas as pd
data = { 'name': ['zhangsan', 'lisi', 'wangwu', 'zhaoliu', 'qianqi', 'zhangsan'], 'age': [18, 19, 20, 21, 22, 23], 'city': ['beijing', 'shanghai', 'guangzhou', 'nanjing', 'changsha', 'wuhan'], 'sex': ['man', 'women', 'man', 'women', 'man', 'women'] }
df = pd.DataFrame(data) print(df)
dff = df[['name', 'age']] # 取出其中两列 dff = dff.drop_duplicates(subset=['name'], keep='first') #如果有重复项，需要去除，确定是保存那一列，否则会用后面的替换掉前面的 dff.set_index(keys='name', inplace=True) # 设置作为key的列为index dff = dff.T #取它的转置
dic = dff.to_dict(orient='records')[0] #转化成字典，这可能会有多行，导出是一个字典类型的数组，我们取第一项就可以了 print(dic)
d = pd.Series(df.age.values,index=df.name).to_dict() print(d)
二、 在数据科学项目中，通常用Pandas的read_csv或者read_excel从相应文件中读入数据，此外，对于数据量不大的时候，可能还有下面的情形出现： import pandas as pd
data = {‘key1’: values, ‘key2’:values, ‘key3’:values, …, ‘keyN’:values} df = pd.DataFrame(data)
这里是将一个Python中的字典data转化为了Pandas中的DataFrame对象，这样字典就作为了数据源。
上面的操作并不复杂，当然，这里演示的字典和对DataFrame的要求都是简单的情形。就一般而言，如果遇到了简单的数据源，可知通过下面的三步实施：
确定数据
要留言数据的格式，从而确定是否能够用于本文所说的过程。比如下面的数据：
我们需要做的是把这个表格样式的数据，用Python的字典表示——数据量小，不费事。
创建字典
把上面的表格，改写为：
data = {'Rank':[1, 2, 3, 4, 5], 'Language': ['Python', 'Java', 'Javascript', 'C#', 'PHP'], 'Share':[29.88, 19.05, 8.17, 7.3, 6.15], 'Trend':[4.1, -1.8, 0.1, -0.1, -1.0]}
print(data)
转化为DataFrame
然后，就开始转化：
df = pd.DataFrame(data)
display(df)
三步，这是基本操作，比较简单。但是，有时候你遇到的情况可能比这复杂一些。
比如，如果你要将Python中的OrderedDict对象转化为DataFrame：
from collections import OrderedDict
data= OrderedDict([('Trend', [4.1, -1.8, 0.1, -0.1, -1.0]), ('Rank',[1, 2, 3, 4, 5]), ('Language', ['Python', 'Java', 'Javascript', 'C#', 'PHP']), ('Share', [29.88, 19.05, 8.17, 7.3, 6.15])])
display(data)
到现在为止，我们使用的就是pd.DataFrame(data)实现了转化。其实，还有一些参数，如果使用了，能够让转化的结果更多样。
例如，在创建DataFrame对象时，指定行索引，而不是像前面那样使用默认的数字。
rom collections import OrderedDict
data = OrderedDict([('Trend', [4.1, -1.8, 0.1, -0.1, -1.0]), ('Rank',[1, 2, 3, 4, 5]), ('Language', ['Python', 'Java', 'Javascript', 'C#', 'PHP']), ('Share', [29.88, 19.05, 8.17, 7.3, 6.15])])
df = pd.DataFrame(data, index = ['A', 'B', 'C', 'D', 'E'])
display(df)
此外，也可以使用columns这个参数，来指定列索引的名称。
或许，你不需要字典中的所有数据，那就用columns参数进行筛选吧。
from collections import OrderedDict
data = OrderedDict([('Trend', [4.1, -1.8, 0.1, -0.1, -1.0]), ('Rank',[1, 2, 3, 4, 5]), ('Language', ['Python', 'Java', 'Javascript', 'C#', 'PHP']), ('Share', [29.88, 19.05, 8.17, 7.3, 6.15])]) df = pd.DataFrame(data, index = ['A', 'B', 'C', 'D', 'E'], columns=['Language', 'Share'])
display(df)
在上述的示例中，都是以字典的键作为DataFrame中的特征（列）名称，下面的示例演示一种旋转的方式，即键作为行索引。
df = pd.DataFrame.from_dict(data, orient='index')
df.head()
从上面的输出结果中可以看到，这时候的列索引，都采用了默认的数字，也可以指定有意义的名称。
df = pd.DataFrame.from_dict(data, orient='index', columns=['A', 'B', 'C', 'D', 'F'])
df.head()
当DataFrame对象创建了之后，可以把它保存为csv文件。
df.to_csv('top5_prog_lang.csv')
很多时候是从CSV等格式的文件中读取数据，此外，也有可能遇到上面各个示例的情景，需要将字典转化为DataFrame。
