日本免费高清视频-国产福利视频导航-黄色在线播放国产-天天操天天操天天操天天操|www.shdianci.com

學無先后，達者為師

網(wǎng)站首頁 編程語言 正文

Python中DataFrame與內置數(shù)據(jù)結構相互轉換的實現(xiàn)_python

作者：古明地覺 ? 更新時間： 2023-04-22 編程語言

楔子

pandas 支持我們從 Excel、CSV、數(shù)據(jù)庫等不同數(shù)據(jù)源當中讀取數(shù)據(jù)，來構建 DataFrame。但有時數(shù)據(jù)并不來自這些外部數(shù)據(jù)源，而是來自一個已經(jīng)存在的 Python 數(shù)據(jù)結構，比如列表、字典等等。

同理當需要導出 DataFrame 時，也不一定非要寫到外部文件里，而是希望生成字典或者列表，那么這個時候該怎么做呢？

所以這就涉及到了 DataFrame 和 Python 內置數(shù)據(jù)結構之間的相互轉換，下面來介紹一些最佳實踐，你可以根據(jù)實際情況進行選擇。

DataFrame 轉成內置數(shù)據(jù)結構

假設有這樣一個 DataFrame：

import?pandas?as?pd

df?=?pd.DataFrame({"name":?["Satori",?"Koishi",?"Marisa"],
???????????????????"score":?[99,?98,?100],
???????????????????"rank":?[2,?3,?1]})

print(df)
"""
?????name??score??rank
0??Satori?????99?????2
1??Koishi?????98?????3
2??Marisa????100?????1
"""

那么看看 DataFrame 都提供了哪些方法，以及在轉成內置數(shù)據(jù)結構之后是什么樣子？

df.to_records()

將 DataFrame 轉成 Numpy 的數(shù)組，數(shù)組里面是一個個的元組。

print(df.to_records())
"""
[(0,?'Satori',??99,?2)?(1,?'Koishi',??98,?3)?(2,?'Marisa',?100,?1)]
"""
#?返回的時候將索引也帶上了，我們可以去掉
print(df.to_records(index=False))
"""
[('Satori',??99,?2)?('Koishi',??98,?3)?('Marisa',?100,?1)]
"""
#?df.to_records?返回的是?numpy?的數(shù)組，可以再轉成列表
print(df.to_records(index=False).tolist())
"""
[('Satori',?99,?2),?('Koishi',?98,?3),?('Marisa',?100,?1)]
"""

這種數(shù)據(jù)結構還是很常見的，在工作中經(jīng)常會用到。但唯一不好的是，字段信息丟失了。

df.to_dict()

將 DataFrame 轉成 Python 的字典。

#?返回?Python?的字典，key?是字段名，value?是對應的每一列
print(df.to_dict())
"""
{'name':?{0:?'Satori',?1:?'Koishi',?2:?'Marisa'},
?'rank':?{0:?2,?1:?3,?2:?1},
?'score':?{0:?99,?1:?98,?2:?100}}
"""

#?但這里的?value?有一些問題，就是它把索引也包含在里面了
#?我們可以去掉它
print(
????{k:?tuple(v.values())?for?k,?v?in?df.to_dict().items()}
)
"""
{'name':?('Satori',?'Koishi',?'Marisa'),
?'rank':?(2,?3,?1),
?'score':?(99,?98,?100)}
"""

#?當然啦，to_dict()?還可以手動實現(xiàn)
print(
????{col:?tuple(df[col])?for?col?in?df.columns}
)
"""
{'name':?('Satori',?'Koishi',?'Marisa'),
?'rank':?(2,?3,?1),
?'score':?(99,?98,?100)}
"""

這種格式的數(shù)據(jù)用的就不多了，用得更多的是下一種。

df.to_dict(orient="records")

將 DataFrame 轉成 Python 的列表，列表里面是一個個的字典，每個字典代表數(shù)據(jù)的每一行。

print(df.to_dict(orient="records"))
"""
[{'name':?'Satori',?'rank':?2,?'score':?99},
?{'name':?'Koishi',?'rank':?3,?'score':?98},
?{'name':?'Marisa',?'rank':?1,?'score':?100}]
"""

個人覺得這種數(shù)據(jù)結構應該用得最多。

DataFrame 生成的數(shù)據(jù)還有其它格式，這里就不贅述了，常用的就是上面幾種。

內置數(shù)據(jù)結構轉成 DataFrame

內置數(shù)據(jù)結構轉成 DataFrame，我們也來介紹幾個最常用的場景。

import?pandas?as?pd

data?=?[{'name':?'Satori',?'rank':?2,?'score':?99},
????????{'name':?'Koishi',?'rank':?3,?'score':?98},
????????{'name':?'Marisa',?'rank':?1,?'score':?100}]

#?對于這種數(shù)據(jù)，可以通過?DataFrame?的?from_records?方法
#?列表里的字典代表了?DataFrame?的每一行，每個字典都具有相同的?key
#?而這些?key?則表示?DataFrame?的列
print(pd.DataFrame.from_records(data))
"""
?????name??rank??score
0??Satori?????2?????99
1??Koishi?????3?????98
2??Marisa?????1????100
"""
#?或者更簡單的，直接調用?pd.DataFrame?即可
print(pd.DataFrame(data))
"""
?????name??rank??score
0??Satori?????2?????99
1??Koishi?????3?????98
2??Marisa?????1????100
"""
#?如果列表里面的字典，不具備相同的 key，會怎么樣呢？
data[2]["length"]?=?155
print(pd.DataFrame(data))
"""
?????name??rank??score??length
0??Satori?????2?????99?????NaN
1??Koishi?????3?????98?????NaN
2??Marisa?????1????100???155.0
"""
#?很簡單，會將所有的?key?都考慮在內
#?如果某一行沒有指定的?key，那么對應的值就是空

當然數(shù)據(jù)也可能是這種格式：

import?pandas?as?pd

data?=?{'2020-01-01':?{'name':?'Satori',?'rank':?2,?'score':?99},
????????'2020-01-02':?{'name':?'Koishi',?'rank':?3,?'score':?98},
????????'2020-01-03':?{'name':?'Marisa',?'rank':?1,?'score':?100}}

print(pd.DataFrame.from_dict(data,?orient="index"))
"""
??????????????name??rank??score
2020-01-01??Satori?????2?????99
2020-01-02??Koishi?????3?????98
2020-01-03??Marisa?????1????100
"""

最后一種：

import?pandas?as?pd

data?=?{'name':?['Satori',?'Koishi',?'Marisa'],
????????'rank':?[2,?3,?1],
????????'score':?[99,?98,?100]}
#?直接調用?DataFrame?即可
print(pd.DataFrame(data))
"""
?????name??rank??score
0??Satori?????2?????99
1??Koishi?????3?????98
2??Marisa?????1????100
"""

上面就是本文的內容，比較簡單。并且相關函數(shù)的具體用法，也沒有詳細說明，只是從工作角度介紹了一些最佳實踐。更多內容，可以查看 pandas 的注釋。

原文鏈接：https://mp.weixin.qq.com/s/24sQbbDzaG15TgBqsvU_Dw

欄目分類
最近更新