Panda DataFrame을 사전으로 변환
4컬럼의 Data Frame을 가지고 있습니다.이 Data Frame을 python 사전으로 변환하고 싶습니다.첫 번째 열의 요소는keys
같은 행에 있는 다른 열의 요소는values
.
데이터 프레임:
ID A B C
0 p 1 3 2
1 q 4 3 2
2 r 4 0 9
출력은 다음과 같습니다.
사전:
{'p': [1,3,2], 'q': [4,3,2], 'r': [4,0,9]}
이 메서드는 열 이름을 사전 키로 설정하므로 DataFrame을 약간 재구성해야 합니다.의 설정ID' 컬럼을 인덱스로 한 후 Data Frame을 변경하는 것도 이를 위한 한 가지 방법입니다.
to_dict()
에서는 각 열의 값 목록을 출력하기 위해 필요한 'orient' 인수도 받아들입니다.그렇지 않은 경우 양식 사전{index: value}
각 열에 대해 반환됩니다.
이러한 순서는, 다음의 행으로 실행할 수 있습니다.
>>> df.set_index('ID').T.to_dict('list')
{'p': [1, 3, 2], 'q': [4, 3, 2], 'r': [4, 0, 9]}
다른 사전 형식이 필요한 경우 가능한 오리엔트 인수 예를 다음에 제시하겠습니다.다음과 같은 간단한 Data Frame을 고려합니다.
>>> 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
그러면 옵션은 다음과 같습니다.
dict - 기본값: 열 이름은 키, 값은 인덱스 사전: 데이터 쌍
>>> df.to_dict('dict')
{'a': {0: 'red', 1: 'yellow', 2: 'blue'},
'b': {0: 0.5, 1: 0.25, 2: 0.125}}
list - 키는 열 이름이고 값은 열 데이터 목록입니다.
>>> df.to_dict('list')
{'a': ['red', 'yellow', 'blue'],
'b': [0.5, 0.25, 0.125]}
Series - 'list'와 비슷하지만 값은 Series입니다.
>>> 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 - 열/데이터/인덱스를 각각 열 이름, 행 및 인덱스 레이블별 데이터 값으로 키로 분할합니다.
>>> df.to_dict('split')
{'columns': ['a', 'b'],
'data': [['red', 0.5], ['yellow', 0.25], ['blue', 0.125]],
'index': [0, 1, 2]}
레코드 - 각 행은 사전이 됩니다.여기서 키는 열 이름이고 값은 셀 내의 데이터입니다.
>>> df.to_dict('records')
[{'a': 'red', 'b': 0.5},
{'a': 'yellow', 'b': 0.25},
{'a': 'blue', 'b': 0.125}]
색인 - 'dex'와 비슷하지만 키가 색인 레이블로 있는 사전(목록이 아닌)
>>> df.to_dict('index')
{0: {'a': 'red', 'b': 0.5},
1: {'a': 'yellow', 'b': 0.25},
2: {'a': 'blue', 'b': 0.125}}
사전이 다음과 같은 경우:
{'red': '0.500', 'yellow': '0.250', 'blue': '0.125'}
다음과 같은 데이터 프레임에서 요구됩니다.
a b
0 red 0.500
1 yellow 0.250
2 blue 0.125
가장 간단한 방법은 다음과 같습니다.
dict(df.values)
아래 작업 코드 조각:
import pandas as pd
df = pd.DataFrame({'a': ['red', 'yellow', 'blue'], 'b': [0.5, 0.25, 0.125]})
dict(df.values)
사용해보십시오.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
출력:
{'p': [1, 3, 2], 'q': [4, 3, 2], 'r': [4, 0, 9]}
다음의 순서에 따릅니다.
데이터 프레임은 다음과 같습니다.
>>> df
A B C ID
0 1 3 2 p
1 4 3 2 q
2 4 0 9 r
1. 사용set_index
세팅하다ID
컬럼을 데이터 프레임인덱스로 지정합니다.
df.set_index("ID", drop=True, inplace=True)
2. 를 사용합니다.orient=index
인덱스를 사전 키로 사용할 수 있습니다.
dictionary = df.to_dict(orient="index")
결과는 다음과 같습니다.
>>> dictionary
{'q': {'A': 4, 'B': 3, 'D': 2}, 'p': {'A': 1, 'B': 3, 'D': 2}, 'r': {'A': 4, 'B': 0, 'D': 9}}
3. 각 샘플을 목록으로 만들어야 할 경우 다음 코드를 실행합니다.열 순서를 결정합니다.
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]
사전 값이 튜플이 되어도 괜찮다면 반복 배수를 사용할 수 있습니다.
>>> {x[0]: x[1:] for x in df.itertuples(index=False)}
{'p': (1, 3, 2), 'q': (4, 3, 2), 'r': (4, 0, 9)}
저는 (xy 위치를 가진 노드 이름) 가장 유용하고 직관적인 것에 대한 @user4179775의 답변을 찾았습니다.
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),
... }
부록
나는 나중에 다른, 그러나 관련된 일로 이 문제에 대해 다시 이야기했다.여기 [탁월한] 답변에 더 가까운 접근법이 있습니다.
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
...
Panda 데이터 프레임을 [list], {dict}, {dict}, ...로 변환합니다.
수락된 답변:
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},
... }
제 경우에도 같은 작업을 하고 싶었지만 판다 데이터 프레임에서 선택한 컬럼을 사용하여 컬럼을 잘라야 했습니다.두 가지 접근법이 있습니다.
- 직접:
(참조: 팬더를 사전으로 변환하여 주요 값에 사용되는 열을 정의합니다.)
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},
... }
- "간접:" 먼저 Panda 데이터 프레임에서 원하는 열/데이터를 잘라냅니다(다시 두 가지 접근 방식).
node_df_sliced = node_df[['kegg_cid', 'name', 'wt', 'vis']]
또는
node_df_sliced2 = node_df.loc[:, ['kegg_cid', 'name', 'wt', 'vis']]
사전 작성에 사용할 수 있습니다.
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},
... }
대부분의 답변은 ID가 데이터 프레임에 여러 번 존재할 수 있는 상황을 다루지 않습니다..ID
는 데이터 프레임에서 복제할 수 .df
도 합니다ID
:
{k: [g['A'].tolist(), g['B'].tolist(), g['C'].tolist()] for k,g in df.groupby('ID')}
사전 이해와 반복() 메서드를 사용하여 원하는 출력을 얻을 수도 있습니다.
result = {row.ID: [row.A, row.B, row.C] for (index, row) in df.iterrows()}
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)
출력과 함께
{'p': [1, 3, 2], 'q': [4, 3, 2], 'r': [4, 0, 9]}
이 방법에서는 데이터 프레임의 열이 키가 되고 일련의 데이터 프레임이 값이 됩니다.`
data_dict = dict()
for col in dataframe.columns:
data_dict[col] = dataframe[col].values.tolist()
DataFrame.to_dict()
「DataFrame」(데이터 프레임).
예
>>> 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}}
상세한 것에 대하여는, 이 메뉴얼을 참조해 주세요.
언급URL : https://stackoverflow.com/questions/26716616/convert-a-pandas-dataframe-to-a-dictionary
'source' 카테고리의 다른 글
어떤 버전의 Symfony를 가지고 있는지 어떻게 알 수 있습니까? (0) | 2023.01.08 |
---|---|
문자열 내에서 여분의 공백 제거 (0) | 2023.01.08 |
요소 외부의 클릭을 감지하려면 어떻게 해야 합니까? (0) | 2023.01.08 |
Java 프로그래밍 - SQL 문을 어디에 저장해야 합니까? (0) | 2023.01.08 |
Java 인터페이스의 옵션 메서드 (0) | 2023.01.08 |