Comment convertir un DataFrame Pandas en dictionnaire avec la première colonne comme clés ?

Convertir un DataFrame Pandas en dictionnaire

Dans les opérations de science des données, il est souvent nécessaire de convertir un DataFrame Pandas en dictionnaire. Un DataFrame est une structure de données tabulaire avec des axes étiquetés représentant des lignes et des colonnes, tandis qu'un dictionnaire est une collection non ordonnée de valeurs de données associées à des clés.

Problème :
Étant donné un DataFrame avec plusieurs colonnes, nous souhaitons le transformer en un dictionnaire Python où les éléments de la première colonne deviennent les clés, et les éléments des autres colonnes de la même ligne deviennent les valeurs.

Solution :

Pour réaliser cette conversion, nous pouvons utiliser la méthode to_dict() d'un DataFrame. Cependant, nous devons remodeler légèrement le DataFrame pour faciliter le résultat souhaité. Voici un processus étape par étape :

1. Définissez la première colonne, souvent considérée comme l'index, comme index du DataFrame à l'aide de la méthode set_index().
2. Transposez le DataFrame en utilisant l'attribut T pour inverser les lignes et les colonnes, ce qui apportera les clés souhaitées à l'index.
3. Enfin, appliquez la méthode to_dict() avec le Argument 'list' pour obtenir un dictionnaire avec les clés comme noms de colonnes et les valeurs comme listes de données des lignes correspondantes.

Par exemple, considérons le DataFrame suivant :

    ID   A   B   C
0   p    1   3   2
1   q    4   3   2
2   r    4   0   9

En utilisant les étapes ci-dessus, nous pouvons le convertir en dictionnaire suivant :

{'p': [1, 3, 2], 'q': [4, 3, 2], 'r': [4, 0, 9]}

Rappelez-vous, le paramètre orient de to_dict() offre une flexibilité supplémentaire dans personnaliser la structure du dictionnaire, avec des options telles que « dict », « series », « split » et « records ».

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!