如何創建兩個 pandas DataFrame 列的字典

Question

組織以下 pandas Dataframe 的最有效方法是什么：

數據=

Position    Letter
1           a
2           b
3           c
4           d
5           e

像alphabet[1: 'a', 2: 'b', 3: 'c', 4: 'd', 5: 'e']這樣的字典？

Answer 1

In [9]: pd.Series(df.Letter.values,index=df.Position).to_dict()
Out[9]: {1: 'a', 2: 'b', 3: 'c', 4: 'd', 5: 'e'}

速度比較（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

Answer 2

我找到了一種更快的方法來解決該問題，至少在實際的大型數據集上使用df.set_index(KEY).to_dict()[VALUE]

50,000行的證明：

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']

輸出：

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)

Answer 3

dict (zip(data['position'], data['letter']))

這會給你：

{1: 'a', 2: 'b', 3: 'c', 4: 'd', 5: 'e'}

Answer 4

TL; DR

>>> 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)])

在長

解釋解決方案： dict(sorted(df.values.tolist()))

鑒於：

df = pd.DataFrame({'Position':[1,2,3,4,5], 'Letter':['a', 'b', 'c', 'd', 'e']})

[出]：

 Letter Position
0   a   1
1   b   2
2   c   3
3   d   4
4   e   5

嘗試：

# Get the values out to a 2-D numpy array, 
df.values

[出]：

array([['a', 1],
       ['b', 2],
       ['c', 3],
       ['d', 4],
       ['e', 5]], dtype=object)

然后（可選）：

# Dump it into a list so that you can sort it using `sorted()`
sorted(df.values.tolist()) # Sort by key

要么：

# Sort by value:
from operator import itemgetter
sorted(df.values.tolist(), key=itemgetter(1))

[出]：

[['a', 1], ['b', 2], ['c', 3], ['d', 4], ['e', 5]]

最后，將2個元素的列表轉換成字典。

dict(sorted(df.values.tolist())) 

[出]：

{'a': 1, 'b': 2, 'c': 3, 'd': 4, 'e': 5}

---

有關

回答@sbradbio評論：

如果一個特定鍵有多個值，並且您希望保留所有值，那么這不是最有效，但最直觀的方法是：

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]：

>>> print(multivalue_dict)
defaultdict(list, {1: ['a'], 2: ['b'], 4: ['d', 'e', 'f']})

Answer 5

在Python 3.6中，最快的方法仍然是WouterOvermeire。 Kikohs的提議比其他兩個方案要慢。

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)

結果：

1.1214002349999777 s  # WouterOvermeire
1.1922008498571748 s  # Jeff
1.7034366211428602 s  # Kikohs

Answer 6

我喜歡 Wouter 方法，但是具有重復值的行為可能不是預期的，不幸的是，OP 沒有以一種或另一種方式討論這種情況。 Wouter，將始終為遇到的每個鍵選擇最后一個值。 所以換句話說，它將不斷覆蓋每個鍵的值。

在我看來，預期的行為更像是使用 dataframe 中的兩列創建字典，其中一列中有重復項，其中為每個鍵保留一個列表。

因此，對於保留重復項的情況，讓我提交df.groupby('Position')['Letter'].apply(list).to_dict() （或者甚至可能是一組而不是列表）

Answer 7

以下是使用以下 df 測試的另外兩種方法。

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))

每個的時間。

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)