如何将数据框列对转换为单个字典映射？

Question

如何将数据框值转换成字典

D_ID    Designation  G_Code G

1       Developer       1   M
1       Developer       2   F
1       Developer       1   M
2       Testing         1   M
2       Testing         1   M
2       Testing         2   F

预计结束

d1 = {1：“开发者”，2：“测试”}

d2 = {1：“M”，2：“F”}

Answer 1

如果您事先知道哪些列需要配对，您可以创建一个pairs dict并非常巧妙地对其进行迭代：

pairs = {'D_ID': 'Designation', 'G_Code': 'G'}
[df.set_index(k)[v].to_dict() for k, v in pairs.items()]
# [{1: 'Developer', 2: 'Testing'}, {1: 'M', 2: 'F'}]

---

如果你只有两对，你可以将结果分配给“d1”和“d2”：

d1, d2 = (df.set_index(k)[v].to_dict() for k, v in pairs.items())
d1
# {1: 'Developer', 2: 'Testing'}
d2
# {1: 'M', 2: 'F'}

Answer 2

您可以使用带有参数orient='split' 的函数to_dict 将数据框转换为字典。

df[['D_ID', 'Designation']].to_dict('split')

输出：

{'index': [0, 1, 2, 3, 4, 5],
 'columns': ['D_ID', 'Designation'],
 'data': [[1, 'Developer'],
  [1, 'Developer'],
  [1, 'Developer'],
  [2, 'Testing'],
  [2, 'Testing'],
  [2, 'Testing']]}

然后您可以从结果字典中选择'data'，并使用函数dict 将其转换为另一个字典。

dct = {'D_ID': 'Designation', 'G_Code': 'G'}
[dict(df[[k, v]].to_dict('split')['data']) for k, v in dct.items()]

输出：

[{1: 'Developer', 2: 'Testing'}, {1: 'M', 2: 'F'}]

Answer 3

您可以考虑使用groupby、first，最后使用to_dict。

d1 = df.groupby("D_ID")["Designation"].first().to_dict()
d2 = df.groupby("G_Code")["G"].first().to_dict()

或者最终使用 @cs95 建议的对

pairs = {'D_ID': 'Designation', 'G_Code': 'G'}
d1, d2 = (df.groupby(k)[v].first().to_dict() for k, v in pairs.items())

时间

@cs95

%%timeit
pairs = {'D_ID': 'Designation', 'G_Code': 'G'}
d1, d2 = (df.set_index(k)[v].to_dict() for k, v in pairs.items())

1.06 ms ± 23.5 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)

分组方式

%%timeit -n 100
d1 = df.groupby("D_ID")["Designation"].first().to_dict()
d2 = df.groupby("G_Code")["G"].first().to_dict()

1.29 ms ± 15.6 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)

groupby + 对

%%timeit -n 100
pairs = {'D_ID': 'Designation', 'G_Code': 'G'}
d1, d2 = (df.groupby(k)[v].first().to_dict() for k, v in pairs.items())

1.4 ms ± 24.4 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)

结论

看起来在这个例子中@cs95 解决方案是明显的赢家。但我想知道哪一个是你的真实案例的时机。