У меня есть DataFrame с четырьмя столбцами. Я хочу преобразовать этот DataFrame в словарь python. Я хочу, чтобы элементы первого столбца были keys, а элементы других столбцов в той же строке были values.
DataFrame:
ID A B C
0 p 1 3 2
1 q 4 3 2
2 r 4 0 9
Выход должен выглядеть следующим образом:
Словарь:
{'p': [1,3,2], 'q': [4,3,2], 'r': [4,0,9]}
Метод to_dict() устанавливает имена столбцов в качестве ключей словаря, поэтому вам нужно слегка изменить форму DataFrame. Установка столбца "ID" в качестве индекса, а затем транспонирование DataFrame - один из способов добиться этого.
to_dict() также принимает аргумент 'orient', который вам понадобится для вывода списка значений для каждого столбца. В противном случае для каждого столбца будет возвращен словарь в форме {index: value}.
Эти шаги можно выполнить с помощью следующей строки:
>>> df.set_index('ID').T.to_dict('list')
{'p': [1, 3, 2], 'q': [4, 3, 2], 'r': [4, 0, 9]}
Если нужен другой формат словаря, вот примеры возможных аргументов orient. Рассмотрим следующий простой 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
Тогда варианты следующие.
dict - по умолчанию: имена столбцов являются ключами, значения - словарями индекса: пары данных
>>> df.to_dict('dict')
{'a': {0: 'red', 1: 'yellow', 2: 'blue'},
'b': {0: 0.5, 1: 0.25, 2: 0.125}}
list - ключи - это имена столбцов, значения - списки данных столбцов
>>> df.to_dict('list')
{'a': ['red', 'yellow', 'blue'],
'b': [0.5, 0.25, 0.125]}
серия - как "список", но значения - серия
>>> 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 - разделяет столбцы/данные/индекс как ключи со значениями, являющимися именами столбцов, значениями данных по меткам строк и индексам соответственно
>>> df.to_dict('split')
{'columns': ['a', 'b'],
'data': [['red', 0.5], ['yellow', 0.25], ['blue', 0.125]],
'index': [0, 1, 2]}
записи - каждая строка становится словарем, где ключ - это имя столбца, а значение - данные в ячейке.
>>> df.to_dict('records')
[{'a': 'red', 'b': 0.5},
{'a': 'yellow', 'b': 0.25},
{'a': 'blue', 'b': 0.125}]
index - как "records", но словарь словарей с ключами в качестве меток индекса (а не списка)
>>> df.to_dict('index')
{0: {'a': 'red', 'b': 0.5},
1: {'a': 'yellow', 'b': 0.25},
2: {'a': 'blue', 'b': 0.125}}
Попробуйте использовать Zip
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
Выход:
{'p': [1, 3, 2], 'q': [4, 3, 2], 'r': [4, 0, 9]}
Предположим, что ваш dataframe выглядит следующим образом:
>>> df
A B C ID
0 1 3 2 p
1 4 3 2 q
2 4 0 9 r
set_index для установки столбцов ID в качестве индекса dataframe. df.set_index("ID", drop=True, inplace=True)
orient=index, чтобы иметь индекс в качестве словарных клавиш. dictionary = df.to_dict(orient="index")
Результаты будут выглядеть следующим образом:
>>> dictionary
{'q': {'A': 4, 'B': 3, 'D': 2}, 'p': {'A': 1, 'B': 3, 'D': 2}, 'r': {'A': 4, 'B': 0, 'D': 9}}
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]
Если вы не имеете в виду значения словаря, являющиеся кортежами, вы можете использовать itertuples:
>>> {x[0]: x[1:] for x in df.itertuples(index=False)}
{'p': (1, 3, 2), 'q': (4, 3, 2), 'r': (4, 0, 9)}
DataFrame.to_dict() преобразует DataFrame в словарь.
пример
>>> 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}}
Смотрите эту документацию для деталей
Для моего использования (имена узлов с позициями xy) я нашел ответ @user4179775 на наиболее полезный/интуитивно понятный:
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),
... }
добавление
Позже я вернулся к этому вопросу для другой, но связанной работы. Вот подход, который более близко отражает [превосходный] принятый ответ.
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
...
Конвертировать кадр данных Pandas в [list], {dict}, {dict of {dict}},...
За принятый ответ:
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},
... }
В моем случае я хотел сделать то же самое, но с выбранными столбцами из кадра данных Pandas, поэтому мне нужно было разделить столбцы. Есть два подхода.
(см.: Преобразование панд в словарь, определяющий столбцы, используемые для ключевых значений)
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},
... }
node_df_sliced = node_df[['kegg_cid', 'name', 'wt', 'vis']]
или же
node_df_sliced2 = node_df.loc[:, ['kegg_cid', 'name', 'wt', 'vis']]
которые затем могут быть использованы для создания словаря словарей
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},
... }