组织以下熊猫数据框的最有效方法是什么：
数据 =
Position Letter
1 a
2 b
3 c
4 d
5 e
成字典之类的alphabet[1 : 'a', 2 : 'b', 3 : 'c', 4 : 'd', 5 : 'e']？
问问题
198500 次
5 回答
287
In [9]: pd.Series(df.Letter.values,index=df.Position).to_dict()
Out[9]: {1: 'a', 2: 'b', 3: 'c', 4: 'd', 5: 'e'}
速度比较（使用 Wouter 方法）
In [6]: df = pd.DataFrame(randint(0,10,10000).reshape(5000,2),columns=list('AB'))
In [7]: %timeit dict(zip(df.A,df.B))
1000 loops, best of 3: 1.27 ms per loop
In [8]: %timeit pd.Series(df.A.values,index=df.B).to_dict()
1000 loops, best of 3: 987 us per loop
于 2013-07-02T13:08:23.243 回答
124
我找到了一种更快的方法来解决这个问题，至少在实际的大型数据集上使用：
df.set_index(KEY).to_dict()[VALUE]
50,000 行的证明：
df = pd.DataFrame(np.random.randint(32, 120, 100000).reshape(50000,2),columns=list('AB'))
df['A'] = df['A'].apply(chr)
%timeit dict(zip(df.A,df.B))
%timeit pd.Series(df.A.values,index=df.B).to_dict()
%timeit df.set_index('A').to_dict()['B']
输出：
100 loops, best of 3: 7.04 ms per loop # WouterOvermeire
100 loops, best of 3: 9.83 ms per loop # Jeff
100 loops, best of 3: 4.28 ms per loop # Kikohs (me)
于 2015-11-30T17:24:18.863 回答
8
在 Python 3.6 中，最快的方法仍然是 WouterOvermeire 方法。Kikohs 的提议比其他两个选项要慢。
import timeit
setup = '''
import pandas as pd
import numpy as np
df = pd.DataFrame(np.random.randint(32, 120, 100000).reshape(50000,2),columns=list('AB'))
df['A'] = df['A'].apply(chr)
'''
timeit.Timer('dict(zip(df.A,df.B))', setup=setup).repeat(7,500)
timeit.Timer('pd.Series(df.A.values,index=df.B).to_dict()', setup=setup).repeat(7,500)
timeit.Timer('df.set_index("A").to_dict()["B"]', setup=setup).repeat(7,500)
结果：
1.1214002349999777 s # WouterOvermeire
1.1922008498571748 s # Jeff
1.7034366211428602 s # Kikohs
于 2018-08-24T08:28:13.487 回答
6
TL;博士
>>> import pandas as pd
>>> df = pd.DataFrame({'Position':[1,2,3,4,5], 'Letter':['a', 'b', 'c', 'd', 'e']})
>>> dict(sorted(df.values.tolist())) # Sort of sorted...
{'a': 1, 'b': 2, 'c': 3, 'd': 4, 'e': 5}
>>> from collections import OrderedDict
>>> OrderedDict(df.values.tolist())
OrderedDict([('a', 1), ('b', 2), ('c', 3), ('d', 4), ('e', 5)])
在长
解释解决方案：dict(sorted(df.values.tolist()))
鉴于：
df = pd.DataFrame({'Position':[1,2,3,4,5], 'Letter':['a', 'b', 'c', 'd', 'e']})
[出去]：
Letter Position
0 a 1
1 b 2
2 c 3
3 d 4
4 e 5
尝试：
# Get the values out to a 2-D numpy array,
df.values
[出去]：
array([['a', 1],
['b', 2],
['c', 3],
['d', 4],
['e', 5]], dtype=object)
然后可选：
# Dump it into a list so that you can sort it using `sorted()`
sorted(df.values.tolist()) # Sort by key
或者：
# Sort by value:
from operator import itemgetter
sorted(df.values.tolist(), key=itemgetter(1))
[出去]：
[['a', 1], ['b', 2], ['c', 3], ['d', 4], ['e', 5]]
最后，将 2 个元素的列表转换为 dict。
dict(sorted(df.values.tolist()))
[出去]：
{'a': 1, 'b': 2, 'c': 3, 'd': 4, 'e': 5}
有关的
回答@sbradbio 评论：
如果特定键有多个值并且您想保留所有值，那么这不是最有效但最直观的方法是：
from collections import defaultdict
import pandas as pd
multivalue_dict = defaultdict(list)
df = pd.DataFrame({'Position':[1,2,4,4,4], 'Letter':['a', 'b', 'd', 'e', 'f']})
for idx,row in df.iterrows():
multivalue_dict[row['Position']].append(row['Letter'])
[出去]：
>>> print(multivalue_dict)
defaultdict(list, {1: ['a'], 2: ['b'], 4: ['d', 'e', 'f']})
于 2018-10-19T00:59:04.313 回答
0
以下是使用以下 df 测试的其他两种方法。
df = pd.DataFrame(np.random.randint(0,10,10000).reshape(5000,2),columns=list('AB'))
使用to_records()
dict(df.to_records(index=False))
使用MultiIndex.from_frame()
dict(pd.MultiIndex.from_frame(df))
每个的时间。
24.6 ms ± 847 µs per loop (mean ± std. dev. of 7 runs, 10 loops each)
1.86 ms ± 11.6 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)
于 2021-12-04T20:35:17.063 回答