


Bagaimanakah Saya Boleh Menukar Bingkai Data Pandas kepada Kamus dengan Orientasi Berbeza?
Tukar Pandas DataFrame kepada Kamus
Apabila bekerja dengan data dalam Python, selalunya berguna untuk menukar Pandas DataFrame menjadi kamus untuk akses mudah dan manipulasi data tertentu .
Untuk menukar DataFrame dengan berbilang lajur kepada kamus, dengan lajur pertama mewakili kunci dan lajur yang tinggal mengandungi nilai untuk setiap kunci, kaedah to_dict() boleh digunakan.
Sebagai contoh, pertimbangkan DataFrame berikut:
df = pd.DataFrame( { "ID": ["p", "q", "r"], "A": [1, 4, 4], "B": [3, 3, 0], "C": [2, 2, 9], } )
Untuk mencipta kamus dengan kunci yang sepadan dengan lajur "ID" dan nilai sebagai senarai nilai daripada lajur lain, kita perlu menukar DataFrame dan kemudian menggunakan kaedah to_dict() dengan hujah 'senarai'. Ini akan mengeluarkan setiap lajur sebagai senarai nilai dalam kamus terhasil.
result_dict = df.set_index("ID").T.to_dict("list") print(result_dict) # Output: {'p': [1, 3, 2], 'q': [4, 3, 2], 'r': [4, 0, 9]}
Sebagai alternatif, argumen orient boleh ditentukan untuk mengawal format kamus yang terhasil. Berikut ialah beberapa pilihan biasa:
- 'dict': Nama lajur ialah kunci dan nilai ialah kamus indeks: pasangan data.
- ' list': Kunci ialah nama lajur dan nilai ialah senarai lajur data.
- 'siri': Seperti 'senarai', tetapi nilai ialah objek Siri.
- 'split': Pisahkan lajur, data, dan indeks sebagai kunci, dengan nilai ialah nama lajur, nilai data mengikut baris dan label indeks masing-masing.
- 'rekod': Setiap baris menjadi kamus yang kuncinya ialah nama lajur dan nilainya ialah data dalam sel.
- ' index': Seperti 'rekod', tetapi kamus kamus dengan kunci sebagai indeks label.
Dengan memahami pilihan berbeza yang tersedia dengan kaedah to_dict(), anda boleh menukar DataFrame kepada kamus dengan berkesan dalam format yang diingini untuk memenuhi keperluan pengurusan dan analisis data anda.
Atas ialah kandungan terperinci Bagaimanakah Saya Boleh Menukar Bingkai Data Pandas kepada Kamus dengan Orientasi Berbeza?. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

Alat AI Hot

Undresser.AI Undress
Apl berkuasa AI untuk mencipta foto bogel yang realistik

AI Clothes Remover
Alat AI dalam talian untuk mengeluarkan pakaian daripada foto.

Undress AI Tool
Gambar buka pakaian secara percuma

Clothoff.io
Penyingkiran pakaian AI

Video Face Swap
Tukar muka dalam mana-mana video dengan mudah menggunakan alat tukar muka AI percuma kami!

Artikel Panas

Alat panas

Notepad++7.3.1
Editor kod yang mudah digunakan dan percuma

SublimeText3 versi Cina
Versi Cina, sangat mudah digunakan

Hantar Studio 13.0.1
Persekitaran pembangunan bersepadu PHP yang berkuasa

Dreamweaver CS6
Alat pembangunan web visual

SublimeText3 versi Mac
Perisian penyuntingan kod peringkat Tuhan (SublimeText3)

Topik panas











Python sesuai untuk sains data, pembangunan web dan tugas automasi, manakala C sesuai untuk pengaturcaraan sistem, pembangunan permainan dan sistem tertanam. Python terkenal dengan kesederhanaan dan ekosistem yang kuat, manakala C dikenali dengan keupayaan kawalan dan keupayaan kawalan yang mendasari.

Anda boleh mempelajari asas -asas Python dalam masa dua jam. 1. Belajar pembolehubah dan jenis data, 2. Struktur kawalan induk seperti jika pernyataan dan gelung, 3 memahami definisi dan penggunaan fungsi. Ini akan membantu anda mula menulis program python mudah.

Python cemerlang dalam permainan dan pembangunan GUI. 1) Pembangunan permainan menggunakan pygame, menyediakan lukisan, audio dan fungsi lain, yang sesuai untuk membuat permainan 2D. 2) Pembangunan GUI boleh memilih tkinter atau pyqt. TKInter adalah mudah dan mudah digunakan, PYQT mempunyai fungsi yang kaya dan sesuai untuk pembangunan profesional.

Anda boleh mempelajari konsep pengaturcaraan asas dan kemahiran Python dalam masa 2 jam. 1. Belajar Pembolehubah dan Jenis Data, 2.

Python lebih mudah dipelajari dan digunakan, manakala C lebih kuat tetapi kompleks. 1. Sintaks Python adalah ringkas dan sesuai untuk pemula. Penaipan dinamik dan pengurusan memori automatik menjadikannya mudah digunakan, tetapi boleh menyebabkan kesilapan runtime. 2.C menyediakan kawalan peringkat rendah dan ciri-ciri canggih, sesuai untuk aplikasi berprestasi tinggi, tetapi mempunyai ambang pembelajaran yang tinggi dan memerlukan memori manual dan pengurusan keselamatan jenis.

Untuk memaksimumkan kecekapan pembelajaran Python dalam masa yang terhad, anda boleh menggunakan modul, masa, dan modul Python. 1. Modul DateTime digunakan untuk merakam dan merancang masa pembelajaran. 2. Modul Masa membantu menetapkan kajian dan masa rehat. 3. Modul Jadual secara automatik mengatur tugas pembelajaran mingguan.

Python digunakan secara meluas dalam bidang pembangunan web, sains data, pembelajaran mesin, automasi dan skrip. 1) Dalam pembangunan web, kerangka Django dan Flask memudahkan proses pembangunan. 2) Dalam bidang sains data dan pembelajaran mesin, numpy, panda, scikit-learn dan perpustakaan tensorflow memberikan sokongan yang kuat. 3) Dari segi automasi dan skrip, Python sesuai untuk tugas -tugas seperti ujian automatik dan pengurusan sistem.

Python cemerlang dalam automasi, skrip, dan pengurusan tugas. 1) Automasi: Sandaran fail direalisasikan melalui perpustakaan standard seperti OS dan Shutil. 2) Penulisan Skrip: Gunakan Perpustakaan Psutil untuk memantau sumber sistem. 3) Pengurusan Tugas: Gunakan perpustakaan jadual untuk menjadualkan tugas. Kemudahan penggunaan Python dan sokongan perpustakaan yang kaya menjadikannya alat pilihan di kawasan ini.
