我有一个两列数据框，并打算将其转换为 python 字典 - 第一列将是键，第二列将是值。先感谢您。
数据框：
id value
0 0 10.2
1 1 5.7
2 2 7.4
【问题讨论】：
标签： python dictionary pandas
如果你设置索引比字典会产生唯一的键值对
encoder=LabelEncoder()
df['airline_enc']=encoder.fit_transform(df['airline'])
dictAirline= df[['airline_enc','airline']].set_index('airline_enc').to_dict()
【讨论】：
我在尝试使用 pandas 数据框的 三 列制作字典时发现了这个问题。在我的情况下，数据框有 A、B 和 C 列（假设 A 和 B 是经度和纬度的地理坐标，C 是国家/地区/州/等，或多或少是这种情况）。
我想要一个字典，其中每对 A、B 值（字典键）与相应行中的 C 值（字典值）匹配（保证 A、B 值的每个 pair由于之前的过滤而唯一，但在这种情况下，对于不同的 A、B 值对，C 的值可能相同），所以我这样做了：
mydict = dict(zip(zip(df['A'],df['B']), df['C']))
使用 pandas to_dict() 也可以：
mydict = df.set_index(['A','B']).to_dict(orient='dict')['C']
（在执行创建字典的行之前，A 或 B 列均未用作索引）
这两种方法都很快（在 85k 行的数据帧上，使用 5 年的快速双核笔记本电脑上不到一秒）。
我发这个的原因：
【讨论】：
这是我的解决方案：
import pandas as pd
df = pd.read_excel('dic.xlsx')
df_T = df.set_index('id').T
dic = df_T.to_dict('records')
print(dic)
【讨论】：
def get_dict_from_pd(df, key_col, row_col):
result = dict()
for i in set(df[key_col].values):
is_i = df[key_col] == i
result[i] = list(df[is_i][row_col].values)
return result
这是我的 sloution，一个基本循环
【讨论】：
最简单的解决方案：
df.set_index('id').T.to_dict('records')
例子：
df= pd.DataFrame([['a',1],['a',2],['b',3]], columns=['id','value'])
df.set_index('id').T.to_dict('records')
如果您有多个值，例如 val1、val2、val3 等，并且您希望它们作为列表，请使用以下代码：
df.set_index('id').T.to_dict('list')
【讨论】：
records 是什么意思？
records 这里的意思是‘records’ : list like [{column -> value}, … , {column -> value}] 见pandas.pydata.org/pandas-docs/stable/reference/api/…
你可以使用'dict理解'
my_dict = {row[0]: row[1] for row in df.values}
【讨论】：
您需要一个列表作为字典值。这段代码可以解决问题。
from collections import defaultdict
mydict = defaultdict(list)
for k, v in zip(df.id.values,df.value.values):
mydict[k].append(v)
【讨论】：
在某些版本中，下面的代码可能不起作用
mydict = dict(zip(df.id, df.value))
所以说清楚
id_=df.id.values
value=df.value.values
mydict=dict(zip(id_,value))
注意我用id_是因为id是保留字
【讨论】：
df.id怎么办呢，列名id是不被识别为数据框变量的吧？如，写入数据框对象库的变量。我一定是误会了什么。
另一个（略短）不丢失重复条目的解决方案：
>>> ptest = pd.DataFrame([['a',1],['a',2],['b',3]], columns=['id','value'])
>>> ptest
id value
0 a 1
1 a 2
2 b 3
>>> pdict = dict()
>>> for i in ptest['id'].unique().tolist():
... ptest_slice = ptest[ptest['id'] == i]
... pdict[i] = ptest_slice['value'].tolist()
...
>>> pdict
{'b': [3], 'a': [1, 2]}
【讨论】：
mydict = dict(zip(df.id, df.value))
【讨论】：
请参阅to_dict 的文档。你可以这样使用它：
df.set_index('id').to_dict()
如果你只有一列，避免列名也是dict中的一个级别（实际上，在这种情况下你使用Series.to_dict()）：
df.set_index('id')['value'].to_dict()
【讨论】：
>>> ptest = p.DataFrame([['a',1],['a',2],['b',3]], columns=['id', 'value']) >>> ptest.set_index('id')['value'].to_dict()
如果您想要一种简单的方法来保留重复项，您可以使用groupby：
>>> ptest = pd.DataFrame([['a',1],['a',2],['b',3]], columns=['id', 'value'])
>>> ptest
id value
0 a 1
1 a 2
2 b 3
>>> {k: g["value"].tolist() for k,g in ptest.groupby("id")}
{'a': [1, 2], 'b': [3]}
【讨论】：
joris 在这个线程中的答案和punchagan 在duplicated thread 中的答案非常优雅，但是如果用于键的列包含任何重复值，它们将不会给出正确的结果。
例如：
>>> ptest = p.DataFrame([['a',1],['a',2],['b',3]], columns=['id', 'value'])
>>> ptest
id value
0 a 1
1 a 2
2 b 3
# note that in both cases the association a->1 is lost:
>>> ptest.set_index('id')['value'].to_dict()
{'a': 2, 'b': 3}
>>> dict(zip(ptest.id, ptest.value))
{'a': 2, 'b': 3}
如果您有重复的条目并且不想丢失它们，您可以使用这个丑陋但有效的代码：
>>> mydict = {}
>>> for x in range(len(ptest)):
... currentid = ptest.iloc[x,0]
... currentvalue = ptest.iloc[x,1]
... mydict.setdefault(currentid, [])
... mydict[currentid].append(currentvalue)
>>> mydict
{'a': [1, 2], 'b': [3]}
【讨论】：
mydict = defaultdict(list)\n for (key, val) in ptest[["id", "value"]].itertuples(index=False):\n mydict[key].append(val)