尝试使用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

输出:

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

to_dict()方法将列名设置为字典键，因此您需要稍微重塑您的DataFrame。设置'ID'列作为索引，然后转置DataFrame是实现这一点的一种方法。

to_dict()还接受一个'orient'参数，你需要它来为每一列输出列表的值。否则，将为每一列返回{index: value}形式的字典。

这些步骤可以用下面这行代码完成:

>>> df.set_index('ID').T.to_dict('list')
{'p': [1, 3, 2], 'q': [4, 3, 2], 'r': [4, 0, 9]}

如果需要不同的字典格式，这里有一些可能的orient参数示例。考虑以下简单的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

那么选项如下。

dict -默认:列名是键，值是索引:数据对的字典

>>> df.to_dict('dict')
{'a': {0: 'red', 1: 'yellow', 2: 'blue'},
'b': {0: 0.5, 1: 0.25, 2: 0.125}}

列表 -键是列名，值是列数据列表

>>> df.to_dict('list')
{'a': ['red', 'yellow', 'blue'],
'b': [0.5, 0.25, 0.125]}

系列 -类似于“列表”，但值是Series

>>> 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}

分裂 -将列/数据/索引分割为键，值为列名，数据值分别为行和索引标签

>>> df.to_dict('split')
{'columns': ['a', 'b'],
'data': [['red', 0.5], ['yellow', 0.25], ['blue', 0.125]],
'index': [0, 1, 2]}

记录 -每一行变成一个字典，其中键是列名，值是单元格中的数据

>>> df.to_dict('records')
[{'a': 'red', 'b': 0.5},
{'a': 'yellow', 'b': 0.25},
{'a': 'blue', 'b': 0.125}]

指数——类似于'records'，但是是字典的字典，键作为索引标签(而不是列表)

>>> df.to_dict('index')
{0: {'a': 'red', 'b': 0.5},
1: {'a': 'yellow', 'b': 0.25},
2: {'a': 'blue', 'b': 0.125}}

遵循以下步骤:

假设你的数据框架如下:

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

1. 使用set_index将ID列设置为数据帧索引。

    df.set_index("ID", drop=True, inplace=True)

2. 使用orient=index形参将索引作为字典键。

    dictionary = df.to_dict(orient="index")

结果如下:

    >>> dictionary
{'q': {'A': 4, 'B': 3, 'D': 2}, 'p': {'A': 1, 'B': 3, 'D': 2}, 'r': {'A': 4, 'B': 0, 'D': 9}}

3.如果您需要将每个示例作为列表运行以下代码。确定列的顺序

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]

如果你不介意字典值是元组，你可以使用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()转换DataFrame到dictionary。

例子

>>> 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}}

详见文档

对于我的使用(节点名称与xy位置)，我发现@user4179775的答案最有帮助/直观:

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),
... }

齿顶高

后来我又回到这个问题上，进行其他相关的工作。这里有一个更接近公认答案的方法。

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
...

转换Pandas数据帧为[list]， {dict}， {dict}}的{dict，…

每个接受的答案:

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},
... }

在我的例子中，我想做同样的事情，但从Pandas数据框架中选择列，所以我需要对列进行切片。有两种方法。

1. 直接:

(参见:将pandas转换为定义键值所使用列的字典)

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},
... }

2. “间接地:”首先，从Pandas数据框架中切片所需的列/数据(同样是两种方法)，

node_df_sliced = node_df[['kegg_cid', 'name', 'wt', 'vis']]

或

node_df_sliced2 = node_df.loc[:, ['kegg_cid', 'name', 'wt', 'vis']]

然后可以用来创建字典的字典

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},
... }

一本字典应该是:

{'red': '0.500', 'yellow': '0.250', 'blue': '0.125'}

被要求出一个数据框架，像这样:

        a      b
0     red  0.500
1  yellow  0.250
2    blue  0.125

最简单的方法是:

dict(df.values)

工作代码片段如下:

import pandas as pd
df = pd.DataFrame({'a': ['red', 'yellow', 'blue'], 'b': [0.5, 0.25, 0.125]})
dict(df.values)

df = pd.DataFrame([['p',1,3,2], ['q',4,3,2], ['r',4,0,9]], columns=['ID','A','B','C'])
my_dict = {k:list(v) for k,v in zip(df['ID'], df.drop(columns='ID').values)}
print(my_dict)

与输出

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

使用这种方法，dataframe的列将是键，而dataframe的系列将是值。

data_dict = dict()
for col in dataframe.columns:
data_dict[col] = dataframe[col].values.tolist()

词典理解Iterrows()方法也可以用于获得所需的输出。

result = {row.ID: [row.A, row.B, row.C] for (index, row) in df.iterrows()}

大多数答案都不能处理ID在数据框架中可能存在多次的情况。如果ID可以在数据帧df中复制，你想使用一个列表来存储值(也就是列表的列表)，按ID分组:

{k: [g['A'].tolist(), g['B'].tolist(), g['C'].tolist()] for k,g in df.groupby('ID')}