Konvertieren Sie einen Pandas DataFrame in ein Wörterbuch
Ich habe einen DataFrame mit vier Spalten. Ich möchte diesen DataFrame in ein Python-Wörterbuch konvertieren. Ich möchte, dass die Elemente der ersten Spalte keys und die Elemente anderer Spalten in derselben Zeile values sind.
Datenrahmen:
ID A B C
0 p 1 3 2
1 q 4 3 2
2 r 4 0 9
Ausgabe sollte so sein:
Wörterbuch:
{'p': [1,3,2], 'q': [4,3,2], 'r': [4,0,9]}
Die Methode to_dict() legt die Spaltennamen als Wörterbuchschlüssel fest, sodass Sie den DataFrame leicht umformen müssen. Das Festlegen der Spalte 'ID' als Index und anschließendes Transponieren des DataFrame ist eine Möglichkeit, dies zu erreichen.
to_dict() akzeptiert auch ein 'Orient'-Argument, das Sie zur Ausgabe eines Liste von Werten für jede Spalte benötigen. Andernfalls wird für jede Spalte ein Wörterbuch der Form {index: value} zurückgegeben.
Diese Schritte können mit der folgenden Zeile ausgeführt werden:
>>> df.set_index('ID').T.to_dict('list')
{'p': [1, 3, 2], 'q': [4, 3, 2], 'r': [4, 0, 9]}
Falls ein anderes Wörterbuchformat benötigt wird, finden Sie hier Beispiele für die möglichen Orientierungsargumente. Betrachten Sie den folgenden einfachen DataFrame:
>>> df = pd.DataFrame({'a': ['red', 'yellow', 'blue'], 'b': [0.5, 0.25, 0.125]})
>>> df
a b
0 red 0.500
1 yellow 0.250
2 blue 0.125
Dann sind die Optionen wie folgt.
dict - Standardeinstellung: Spaltennamen sind Schlüssel, Werte sind Wörterbücher von Index: Datenpaaren
>>> df.to_dict('dict')
{'a': {0: 'red', 1: 'yellow', 2: 'blue'},
'b': {0: 0.5, 1: 0.25, 2: 0.125}}
list - Schlüssel sind Spaltennamen, Werte sind Listen von Spaltendaten
>>> df.to_dict('list')
{'a': ['red', 'yellow', 'blue'],
'b': [0.5, 0.25, 0.125]}
series - wie 'list', aber die Werte sind Serien
>>> df.to_dict('series')
{'a': 0 red
1 yellow
2 blue
Name: a, dtype: object,
'b': 0 0.500
1 0.250
2 0.125
Name: b, dtype: float64}
split - teilt Spalten/Daten/Index als Schlüssel auf, wobei Werte Spaltennamen, Datenwerte nach Zeilen- und Indexbezeichnungen sind
>>> df.to_dict('split')
{'columns': ['a', 'b'],
'data': [['red', 0.5], ['yellow', 0.25], ['blue', 0.125]],
'index': [0, 1, 2]}
records - jede Zeile wird zu einem Wörterbuch, in dem der Schlüssel der Spaltenname ist und der Wert die Daten in der Zelle ist
>>> df.to_dict('records')
[{'a': 'red', 'b': 0.5},
{'a': 'yellow', 'b': 0.25},
{'a': 'blue', 'b': 0.125}]
index - wie 'Records', aber ein Wörterbuch von Wörterbüchern mit Schlüsseln als Indexbezeichnungen (anstatt einer Liste)
>>> df.to_dict('index')
{0: {'a': 'red', 'b': 0.5},
1: {'a': 'yellow', 'b': 0.25},
2: {'a': 'blue', 'b': 0.125}}
Versuchen Sie, Zip zu verwenden
df = pd.read_csv("file")
d= dict([(i,[a,b,c ]) for i, a,b,c in Zip(df.ID, df.A,df.B,df.C)])
print d
Ausgabe:
{'p': [1, 3, 2], 'q': [4, 3, 2], 'r': [4, 0, 9]}
Folge diesen Schritten:
Angenommen, Ihr Datenrahmen sieht folgendermaßen aus:
>>> df
A B C ID
0 1 3 2 p
1 4 3 2 q
2 4 0 9 r
1. Verwenden Sie set_index, um ID-Spalten als Dataframe-Index festzulegen.
df.set_index("ID", drop=True, inplace=True)
2. Verwenden Sie den Parameter orient=index, um den Index als Wörterbuchschlüssel festzulegen.
dictionary = df.to_dict(orient="index")
Die Ergebnisse werden wie folgt sein:
>>> dictionary
{'q': {'A': 4, 'B': 3, 'D': 2}, 'p': {'A': 1, 'B': 3, 'D': 2}, 'r': {'A': 4, 'B': 0, 'D': 9}}
3. Wenn Sie jedes Beispiel als Liste benötigen, führen Sie den folgenden Code aus. Bestimmen Sie die Spaltenreihenfolge
column_order= ["A", "B", "C"] # Determine your preferred order of columns
d = {} # Initialize the new dictionary as an empty dictionary
for k in dictionary:
d[k] = [dictionary[k][column_name] for column_name in column_order]
Wenn Sie nichts dagegen haben, dass die Wörterbuchwerte Tupel sind, können Sie itertuples verwenden:
>>> {x[0]: x[1:] for x in df.itertuples(index=False)}
{'p': (1, 3, 2), 'q': (4, 3, 2), 'r': (4, 0, 9)}
Für meine Verwendung (Knotennamen mit xy-Positionen) habe ich die Antwort von @ user4179775 auf die hilfreichsten/intuitivsten gefunden:
import pandas as pd
df = pd.read_csv('glycolysis_nodes_xy.tsv', sep='\t')
df.head()
nodes x y
0 c00033 146 958
1 c00031 601 195
...
xy_dict_list=dict([(i,[a,b]) for i, a,b in Zip(df.nodes, df.x,df.y)])
xy_dict_list
{'c00022': [483, 868],
'c00024': [146, 868],
... }
xy_dict_tuples=dict([(i,(a,b)) for i, a,b in Zip(df.nodes, df.x,df.y)])
xy_dict_tuples
{'c00022': (483, 868),
'c00024': (146, 868),
... }
Nachtrag
Ich bin später auf dieses Thema für andere, aber verwandte Arbeiten zurückgekommen. Hier ist ein Ansatz, der die [ausgezeichnete] akzeptierte Antwort besser widerspiegelt.
node_df = pd.read_csv('node_prop-glycolysis_tca-from_pg.tsv', sep='\t')
node_df.head()
node kegg_id kegg_cid name wt vis
0 22 22 c00022 pyruvate 1 1
1 24 24 c00024 acetyl-CoA 1 1
...
Konvertiere Pandas Datenrahmen in eine [Liste], {Dikt}, {Dikt von {Dikt}}, ...
Per akzeptierte Antwort:
node_df.set_index('kegg_cid').T.to_dict('list')
{'c00022': [22, 22, 'pyruvate', 1, 1],
'c00024': [24, 24, 'acetyl-CoA', 1, 1],
... }
node_df.set_index('kegg_cid').T.to_dict('dict')
{'c00022': {'kegg_id': 22, 'name': 'pyruvate', 'node': 22, 'vis': 1, 'wt': 1},
'c00024': {'kegg_id': 24, 'name': 'acetyl-CoA', 'node': 24, 'vis': 1, 'wt': 1},
... }
In meinem Fall wollte ich dasselbe tun, aber mit ausgewählten Spalten aus dem Pandas -Datenrahmen, also musste ich die Spalten aufteilen. Es gibt zwei Ansätze.
- Direkt:
node_df.set_index('kegg_cid')[['name', 'wt', 'vis']].T.to_dict('dict')
{'c00022': {'name': 'pyruvate', 'vis': 1, 'wt': 1},
'c00024': {'name': 'acetyl-CoA', 'vis': 1, 'wt': 1},
... }
- "Indirekt:" Schneiden Sie zuerst die gewünschten Spalten/Daten aus dem Pandas-Datenrahmen (wieder zwei Ansätze).
node_df_sliced = node_df[['kegg_cid', 'name', 'wt', 'vis']]
oder
node_df_sliced2 = node_df.loc[:, ['kegg_cid', 'name', 'wt', 'vis']]
das kann dann verwendet werden, um ein Wörterbuch der Wörterbücher zu erstellen
node_df_sliced.set_index('kegg_cid').T.to_dict('dict')
{'c00022': {'name': 'pyruvate', 'vis': 1, 'wt': 1},
'c00024': {'name': 'acetyl-CoA', 'vis': 1, 'wt': 1},
... }
DataFrame.to_dict() konvertiert DataFrame in ein Wörterbuch.
Beispiel
>>> df = pd.DataFrame(
{'col1': [1, 2], 'col2': [0.5, 0.75]}, index=['a', 'b'])
>>> df
col1 col2
a 1 0.1
b 2 0.2
>>> df.to_dict()
{'col1': {'a': 1, 'b': 2}, 'col2': {'a': 0.5, 'b': 0.75}}
Siehe diese Dokumentation für Details