有没有办法使用索引和列名作为键从熊猫数据框中创建键值对字典？答案

【问题标题】：Is there a way to create key-value paired dict from panda dataframe using index and column name as key?有没有办法使用索引和列名作为键从熊猫数据框中创建键值对字典？
【发布时间】：2021-11-30 07:10:03
【问题描述】：

我想通过将索引和列名组合为键，将 pandas 数据框转换为键值对字典。有什么简单的方法吗？

之前：

             T1      T2  
    apple    5       1   
    pear     2       1.5  
    banana   10      12

之后：

{'apple_T1': 5,
 'apple_T2': 1,
 'pear_T1': 2,
  ...
 'banana_T2':12
 }

非常感谢！

【问题讨论】：

标签： python pandas dataframe dictionary type-conversion

【解决方案1】：

使用DataFrame.to_dict 后跟字典理解：

import pandas as pd

data = [[5, 1], [2, 1.5], [10, 12]]
df = pd.DataFrame(data=data, columns=["T1", "T2"], index=["apple", "pear", "banana"])

result = { f"{kout}_{kin}" : value for kout, d in df.to_dict("index").items() for kin, value in d.items()}
print(result)

输出

{'apple_T1': 5, 'apple_T2': 1.0, 'pear_T1': 2, 'pear_T2': 1.5, 'banana_T1': 10, 'banana_T2': 12.0}

【讨论】：

我不认为你需要强制转换为 dict：你可以逐行迭代，因为结果对象已经有一个 .items()

【解决方案2】：

一步到位：

{f"{k}_{row}": v for row, data in df.iterrows() for k, v in data.items()}

【讨论】：

非常感谢，它有效！我不敢相信我已经坚持了一个多小时。
公平地说，其他答案也可以：)如果它解决了问题，请随时接受:)

【解决方案3】：

您可以使用df.to_dict(orient='index')

设置你的数据框：

df = pd.DataFrame(
    columns=["T1", "T2"], 
    data=[[5,1], [2, 1.5], [10, 12]], 
    index=["apple", "pear", "banana"]
)

申请.to_dict方法：

d = df.to_dict(orient='index')
result = {f"{k1}_{k2}": v for k1 in d for k2, v in d[k1].items()}

结果：

{'apple_T1': 5,
 'apple_T2': 1,
 'banana_T1': 10,
 'banana_T2': 12,
 'pear_T1': 2,
 'pear_T2': 1.5}

【讨论】：

【解决方案4】：

一种直接的方法是循环遍历所有的索引和列，并一个一个地定义字典项：

df = pd.DataFrame([[5, 1], [2, 1.5], [10, 12]], 
                  columns=['T1', 'T2'], 
                  index=['apple', 'pear', 'banana'])
new_dict = {}
for i in df.index:
    for j in df.columns:
        new_dict[i + '_' + j] = df.loc[i, j]
print(new_dict)

输出是

{'apple_T1': 5,
 'apple_T2': 1.0,
 'pear_T1': 2,
 'pear_T2': 1.5,
 'banana_T1': 10,
 'banana_T2': 12.0}

【讨论】：

【解决方案5】：

你可以使用df.iterrows()，但你需要小心得到你想要的：

>>> {f'{row}_{k}':v for row, col in df.iterrows() for k,v in list(col.items())[1:]}

{'apple_T1': 5,
 'apple_T2': 1.0,
 'pear_T1': 2,
 'pear_T2': 1.5,
 'banana_T1': 10,
 'banana_T2': 12.0}

【讨论】：