怎么在熊猫中使用to_dict方法 - 行业资讯 - 肥雀云

　　介绍

怎么在熊猫中使用to_dict方法?针对这个问题,这篇文章详细介绍了相对应的分析和解答,希望可以帮助更多想解决这个问题的小伙伴找到更简单易行的方法。

<强>简介:熊猫中的to_dict可以对DataFrame类型的数据进行转换

可以选择六种的转换类型,分别对应于参数的dict # 39;,列表# 39;,”系列# 39;,“分裂# 39;,“记录# 39;,”指数# 39;,下面逐一介绍每种的用法

Help 提醒method to_dict 拷贝module pandas.core.frame: 　　to_dict(东方=& # 39;dict # 39;), method of pandas.core.frame.DataFrame 实例　　,Convert DataFrame 用字典。　　,参数　　- - - - - - - - - - - 　　,orient : str {& # 39; dict # 39;,, & # 39;列表# 39;,,& # 39;系列# 39;,,& # 39;分裂# 39;,,& # 39;记录# 39;,,& # 39;指数# 39;} 　　从而,Determines type of 从而values of 从而字典。　　,安康;dict (默认),:,dict like {column →, {→index 价值}} 　　,安康;list : dict like {→column (值)} 　　,安康;series : dict like {column →,系列(值)} 　　,安康;split : dict 　　{才能→index (指数),columns →,(列),data →,(值)} 　　,安康;records : list 　　(才能}{→column 价值,,…,,,{→column 价值}) 　　,安康;index : dict like {index →, {→column 价值}} 　　,,. .,versionadded: 0.17.0 　　,Abbreviations ,断开连接,允许只“年代”,indicates “系列”,以及“sp” 　　indicates “分裂”。　　,返回　　- - - - - - - 　　,result : dict like {column →, {→index 价值}}

<强> 1,选择参数东方=& # 39;dict # 39;

dict也是默认的参数,下面数据的数据类型为DataFrame结构,会形成{列→{指数→值}}这样的结构的字典,可以看成是一种双重字典结构

——单独提取每列的值及其索引,然后组合成一个字典

,再将上述的列属性作为关键字(关键),值(值)为上述的字典

<强>查询方式为:data_dict [key1] [key2]

——data_dict为参数选择东方=& # 39;dict # 39;时的数据名

——key1为列属性的键值(外层)

——key2为内层字典对应的键值

data 　　[9]:, 　　,pclass age embarked home.dest 性　　1086年,3 rd 31.194181, UNKNOWN , UNKNOWN 男性　　12,1 st 31.194181, Cherbourg ,,巴黎,France 女性　　1036年,3 rd 31.194181, UNKNOWN , UNKNOWN 男性　　833,3 rd 32.000000, Southampton Foresvik,, Norway 波特兰ND 男性　　1108年,3 rd 31.194181, UNKNOWN , UNKNOWN 男性　　562年,2 nd 41.000000, Cherbourg ,, New 纽约,NY 男性　　437年,2 nd 48.000000, Southampton Somerset /, Bernardsville, NJ 女性　　663年,3 rd 26.000000, Southampton , UNKNOWN 男性　　669年,3 rd 19.000000, Southampton , England 男性　　507年,2 nd 31.194181, Southampton , Petworth, Sussex 男性　　在[10]:data_dict=data.to_dict(东方=,& # 39;dict # 39;) 　　在[11]:data_dict 　　[11]:, 　　{& # 39;年龄# 39;:,{12:31.19418104265403, 　　,437:48.0, 　　,507:31.19418104265403, 　　,562:41.0, 　　,663:26.0, 　　,669:19.0, 　　,833:32.0, 　　,1036:31.19418104265403, 　　,1086:31.19418104265403, 　　,1108:31.19418104265403}, 　　,& # 39;开始# 39;:,{12:& # 39;瑟堡# 39;, 　　,437:& # 39;南安普顿# 39; 　　,507:& # 39;南安普顿# 39; 　　,562:& # 39;瑟堡# 39; 　　,663:& # 39;南安普顿# 39; 　　,669:& # 39;南安普顿# 39; 　　,833:& # 39;南安普顿# 39; 　　,1036:& # 39;未知# 39; 　　,1086:& # 39;未知# 39; 　　,1108:& # 39;未知# 39;}, 　　,& # 39;home.dest& # 39;:,{12: & # 39;巴黎,法国,, 　　,437:& # 39;Somerset /, Bernardsville、, nj # 39; 　　,507:& # 39;Petworth、,苏塞克斯# 39; 　　,562:& # 39;New 纽约、,纽约# 39; 　　,663:& # 39;未知# 39; 　　,669:& # 39;英格兰# 39; 　　,833:& # 39;Foresvik,, Norway 波特兰,,nd # 39; 　　,1036:& # 39;未知# 39; 　　,1086:& # 39;未知# 39; 　　,1108:& # 39;未知# 39;}, 　　,& # 39;pclass& # 39;:, {12: & # 39; 1 st # 39;, 　　,437:& # 39;2 nd # 39; 　　,507:& # 39;2 nd # 39; 　　,562:& # 39;2 nd # 39; 　　,663:& # 39;3 rd # 39; 　　,669:& # 39;3 rd # 39; 　　,833:& # 39;3 rd # 39; 　　,1036:& # 39;3 rd # 39; 　　,1086:& # 39;3 rd # 39; 　　,1108:& # 39;3 rd # 39;}, 　　,& # 39;性与# 39;:,{12:& # 39;女,, 　　,437:& # 39;女# 39; 　　,507:& # 39;男性# 39; 　　,562:& # 39;男性# 39; 　　,663:& # 39;男性# 39; 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null