在工作中，使用pandas时，常常需要将dataframe中的数据按照指定的格式输出给下游使用，很多时候，下游指定的格式并不是很特别，而是比较常见的，这时，我们就不需要自己专门定义方法去处理了，可以先看一下有没有现成的方法可以调用，会节省我们很多时间，提高我们程序的效率。
下面我介绍一下dataframe的一个格式化输出的方法，to_dict()
df = pd.DataFrame({'col1': [1, 2],
'col2': [0.5, 0.75]},
index=['row1', 'row2'])
df
Out[3]:
col1 col2
row1 1 0.50
row2 2 0.75
df.to_dict()
Out[4]: {'col1': {'row1': 1, 'row2': 2}, 'col2': {'row1': 0.5, 'row2': 0.75}}
默认情况下输出时，会是dict类型，key为列名，值也是dict类型，每一个key对应 index,值为对应行列具体值。
df.to_dict('series')
Out[5]:
{'col1':
row1 1
row2 2
Name: col1, dtype: int64,
'col2':
row1 0.50
row2 0.75
Name: col2, dtype: float64}
指定series参数时，输出仍为dict，并且key仍为列名， 但是 对应的value是Series类型了
df.to_dict('split')
Out[6]:
{'index': ['row1', 'row2'],
'columns': ['col1', 'col2'],
'data': [[1, 0.5], [2, 0.75]]}
指定split参数时，输出仍为dict。这时是将df的各个部分分开输出， value为列表类型， data对应的是二维数组。
df.to_dict('records')
Out[7]: [{'col1': 1, 'col2': 0.5}, {'col1': 2, 'col2': 0.75}]
指定records时，丢弃了index信息，输出了一个列表，列表中每个元素为一行数据，是dict类型，每个key是列名，value是列对应的值。
df.to_dict('index')
Out[8]: {'row1': {'col1': 1, 'col2': 0.5}, 'row2': {'col1': 2, 'col2': 0.75}}
相比record来说，保留了index信息，输出为dict类型，key为index名称，value是对应行的内容。
df.to_dict(into=OrderedDict)
Out[10]:
OrderedDict([('col1', OrderedDict([('row1', 1), ('row2', 2)])),
('col2', OrderedDict([('row1', 0.5), ('row2', 0.75)]))])
dd = defaultdict(list)
df.to_dict('records', into=dd)
Out[12]:
[defaultdict(list, {'col1': 1, 'col2': 0.5}),
defaultdict(list, {'col1': 2, 'col2': 0.75})]
完结。。。
https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.to_dict.html
Original: https://blog.csdn.net/weixin_36893273/article/details/123844553
Author: 就是一顿骚操作
Title: 随笔记录——pandas 中 Dataframe.to_dict()
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/674791/
转载文章受原作者版权保护。转载请注明原作者出处！