|
to_dict()使用
Pandas 处理数据的基本类型为DataFrame，数据清洗时不可必然会关系到数据类型转化问题，Pandas在这方面也做的也非常不错，其中经常用的是 DataFrame.to_dict()函数之间转化为字典类型；除了转化为字典之外，Pandas还提供向 json、html、latex、csv等格式的转换 to_dict()函数基本语法：
DataFrame.to_dict(self,orient = 'dict',into = )
注意：函数中只需填一个参数：orient即可，但对于写入的orient不同，字典的构造方式也不同，其中有一种是列表形式
orient = 'dict' 函数默认，转换后的字典形式：{column:{index:value}} orient = 'list'转换后字典形式：{column:[values]} orient = 'series'转换后字典形式：{column:Series(value)} orient = 'split'转换后字典形式：{'index':[index],'columns':[columns],'data':[values]} orient = 'records'转换后list形式：[{column:value}...{column:value}] orient = 'index'转换后字典形式：{index:{column:value}}
举例说明
import pandas as pd
df =pd.DataFrame({'name':['devil','angel'],'age':[12,18]},index =['10086','10089'])
orient = ‘dict’
能够方便得到：在某一列对应的行名与各值之间的字典数据类型 {column -> {index -> value}}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}，…}栗子：在源数据上想要得到name这一列行名与各值之间的字典，直接在生成的字典中查询列名为name查询方式：df[key1][key2]
df.to_dict(orient = 'dict')
df.to_dict(orient = 'dict')['name']
orient = ‘list’
能够方便得到：某一列各值所生成的列表集合{column -> [values]}生成字典中key为各列名，value为各列对应值的列表栗子：在源数据上想要得到name对应值的列表查询方式：df[keys][index]
df.to_dict(orient = 'list')
df.to_dict(orient = 'list')['name']
orient = ‘series’
orient = 'series’和orient = 'list’的唯一区别：这里的value是series数据类型，而list是列表类型{column -> Series(values)}查询方式：df[key1][key2]或df[key1]
df.to_dict(orient = 'series')
df.to_dict(orient = 'series')['name']
orient = ‘split’
可以方便得到：DataFrame数据表中全部列名或者行名的列表形式{index -> [index], columns -> [columns], data -> [values]}得到三个键值对，列名、行名、值各一个，value统一都是列表形式栗子：想要得到全部的列名调用方式：df[‘index’],df[‘columns’],df[‘data’]
df.to_dict(orient = 'split')
df.to_dict(orient = 'split')['columns']
orient = ‘records’
可以方便得到：列名与某一行值形成的字典数据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[{column -> value}, … , {column -> value}]栗子：想要第1行{column:value}得数据调用方式：df[index][key1]
df.to_dict(orient = 'records')
df.to_dict(orient = 'records')[0]
orient = ‘index’
orient = 'index’与orient = 'dict’刚好相反，某一行中列名与值之间一一对应关系{index -> {column -> value}}
df.to_dict(orient = 'index')
df.to_dict(orient = 'index')['10086']
|