Pandas：将每一行转换为 <column name,row value> 字典并添加为新列

Question

我有一个这样的df

          STATUS_ID               STATUS_NM
0                 1                A
1                 2                B
2                 3                C
3                 4                D

我想通过 apply 执行一行来获取单独列中每一行的键、值 par。最终的df应该是

                        STATUS
0                 {STATUS_ID:1,STATUS_NM:A}
1                 {STATUS_ID:2,STATUS_NM:B}
2                 {STATUS_ID:3,STATUS_NM:C}
3                 {STATUS_ID:4,STATUS_NM:D} 

更新： 我试过df[cols].apply(pd.Series.to_dict, axis=1) 和df[cols].apply(lambda x: x.to_dict(), axis=1) 但我没有得到实际的字典，而是得到 <built-in method values of dict object at 0x00...

我相信是我的 pandas 版本导致了这个问题。这已经在这里讨论过 - https://github.com/pandas-dev/pandas/issues/8735 所以问题是是否有另一种方法来执行相同的操作来规避这个问题。我无法将我的 Pandas 版本更新到 0.17

Answer 1

df['STATUS'] = df.apply(pd.Series.to_dict, axis=1)

df
Out: 
   STATUS_ID STATUS_NM                              STATUS
0          1         A  {'STATUS_NM': 'A', 'STATUS_ID': 1}
1          2         B  {'STATUS_NM': 'B', 'STATUS_ID': 2}
2          3         C  {'STATUS_NM': 'C', 'STATUS_ID': 3}
3          4         D  {'STATUS_NM': 'D', 'STATUS_ID': 4}

如果在您的真实 DataFrame 中还有其他列，您可能需要指定要在字典中包含的列。

cols = ['STATUS_ID', 'STATUS_NM']
df['STATUS'] = df[cols].apply(pd.Series.to_dict, axis=1)

另一种方法是遍历 DataFrame：

lst = []
for _, row in df[cols].iterrows():
    lst.append({col: row[col] for col in cols})

这会创建一个列表：

[{'STATUS_ID': 1, 'STATUS_NM': 'A'},
 {'STATUS_ID': 2, 'STATUS_NM': 'B'},
 {'STATUS_ID': 3, 'STATUS_NM': 'C'},
 {'STATUS_ID': 4, 'STATUS_NM': 'D'}]

您可以直接将其分配给您的 DataFrame：

df['STATUS'] = lst