在 Python 列表中转换 Pandas 数据框

Question

我在熊猫中有这个数据框。

course = Courses.objects.filter(date__date__gte=dateFrom.date(),date__date__lte=dateTo.date()).values('course','price','date')
df_course = pd.DataFrame(course)
df_course['day_of_year'] = df_course.formatted_date.apply(lambda x: x.dayofyear)
dailyMinPrices = df_course.groupby(['hotel', 'day_of_year'])['price'].min()

它返回：

 Course    day_of_year     Price
 Course 1  154             70.0
           155             74.0
           156             85.0
           157             90.0
           158             83.0
           159             79.0
           160             81.0
           161             75.0
           162            113.0
           163             85.0
           164             83.0
 Course 2  154             96.0
           155            112.0
           156             73.0
           157             78.0
 Course 3  154             99.0
           155             74.0
           156             78.0
           157             70.0
           158             94.0
           159             82.0

我正在尝试将其转换为 django list 或 django dict，但它总是返回：

  "dailyMinPrices": [70.0,74.0,85.0,90.0,83.0, 79.0,81.0,75.0,113.0,85.0]

我正在尝试获得这种结构：

  "dailyMinPrices": {'course 1':{['day_of_year':154,'price':70.0], ['day_of_year':154,'price':70.0],['day_of_year':154,'price':70.0]}, 'course 2':{...},'course 3':{...}}

我正在尝试：

 dailyMinPrices.values.tolist() #Not working
 dailyMinPrices.to_dict(), Return errors

我想不使用 for，因为它有很多寄存器。

Answer 1

to_dict(orient='records')接近预期结果。 但是因为你想要一个分层的字典，你应该首先使用groupby在第一级索引上拆分数据帧。 使用您的样本数据，

{i[0]: i[1].reset_index(level=1).to_dict(orient='records')
    for i in df.groupby(level=0)}

按预期给出（使用pprint ）：

{'Course 1': [{'Price': 70.0, 'day_of_year': 154},
              {'Price': 74.0, 'day_of_year': 155},
              {'Price': 85.0, 'day_of_year': 156},
              {'Price': 90.0, 'day_of_year': 157},
              {'Price': 83.0, 'day_of_year': 158},
              {'Price': 79.0, 'day_of_year': 159},
              {'Price': 81.0, 'day_of_year': 160},
              {'Price': 75.0, 'day_of_year': 161},
              {'Price': 113.0, 'day_of_year': 162},
              {'Price': 85.0, 'day_of_year': 163},
              {'Price': 83.0, 'day_of_year': 164}],
 'Course 2': [{'Price': 96.0, 'day_of_year': 154},
              {'Price': 112.0, 'day_of_year': 155},
              {'Price': 73.0, 'day_of_year': 156},
              {'Price': 78.0, 'day_of_year': 157}],
 'Course 3': [{'Price': 99.0, 'day_of_year': 154},
              {'Price': 74.0, 'day_of_year': 155},
              {'Price': 78.0, 'day_of_year': 156},
              {'Price': 70.0, 'day_of_year': 157},
              {'Price': 94.0, 'day_of_year': 158},
              {'Price': 82.0, 'day_of_year': 159}]}