怎样在Python中用Pandas将两列数据转换为字典键值对?

冬丽酱_3093

冬丽酱_3093

2026-11-21

673人浏览

原创

set_index().to_dict()是两列转字典最快最稳的方法,底层C实现,大数据量优势明显;需先set_index指定键列再提取值列,重复键后值覆盖前值,NaN值保留为nan。

怎样在python中用pandas将两列数据转换为字典键值对?

用 set_index().to_dict() 最快最稳

直接把两列转成字典,set_index().to_dict() 是首选。它底层走的是 C 实现,比循环或 zip() + 字典推导快得多,尤其数据量超过几千行时差异明显。

假设 DataFrame 叫 df,想用 'name' 列作键、'score' 列作值:

result = df.set_index('name')['score'].to_dict()

注意两点:必须先 set_index() 指定键列,再用 ['score'] 提取值列(不能写成 to_dict('score'));返回的是标准 dict,不是 OrderedDict(Python 3.7+ 里普通 dict 也保序)。

  • 如果键列有重复值,后出现的会覆盖前面的 —— 这是默认行为,不会报错
  • 若需保留所有重复键的值,得先用 groupby() 聚合,比如转成 list:df.groupby('name')['score'].apply(list).to_dict()
  • 值列含 NaN 时,对应键的值就是 nan(float 类型),不是 None;如需转成 None,得提前用 df['score'].where(pd.notna(df['score']), None) 处理

用 zip() + 字典推导更灵活但要小心空值

当需要对键或值做即时处理(比如去空格、类型转换),字典推导配合 zip() 更直观:

{str(k).strip(): int(v) for k, v in zip(df['name'], df['score'])}

但它不自动跳过 NaN —— 遇到 NaN 会抛 TypeError: cannot convert float NaN to integer 或生成 'nan' 字符串键。

使用 Claude Agent SDK 将绑定的 Claude 代码会话嵌入到 Python 自动化中
使用 Claude Agent SDK 将绑定的 Claude 代码会话嵌入到 Python 自动化中

当现有的脚本或服务需要将作用域化的仓库工作委托给 Claude Code 并以编程方式消费结构化响应时,请使用 Claude Agent SDK for Python。

下载
  • 安全写法是加过滤:{str(k).strip(): int(v) for k, v in zip(df['name'], df['score']) if pd.notna(k) and pd.notna(v)}
  • 键列含非字符串类型(如数字、时间戳)时,str(k) 能避免 TypeError,但要注意是否符合业务预期(比如 1.0 和 1 转成字符串后都是 '1.0')
  • 性能上,纯 Python 循环,万行以内差别不大,十万行以上明显变慢

to_dict(orient='index') 不适合两列转键值对

新手容易误用 to_dict(orient='index'),以为能直接得到键值对。其实它返回的是以原 index 为键、每行为一个字典的嵌套结构,和需求完全不符:

df[['name', 'score']].to_dict(orient='index')
# → {0: {'name': 'Alice', 'score': 95}, 1: {'name': 'Bob', 'score': 87}}

这不是你要的 {'Alice': 95, 'Bob': 87}。除非你后续再遍历这个结果手动提取,否则纯属绕路。

  • orient 参数可选值还有 'list'、'series'、'records',全都不直接产出「列A→列B」这种映射
  • 唯一接近的是 orient='dict'(默认),但它返回的是 {'name': {0: 'Alice', 1: 'Bob'}, 'score': {0: 95, 1: 87}},还是得二次加工

键列有缺失或重复时,别依赖默认行为

真实数据里 name 列常有空值、重复名、首尾空格、大小写混用。Pandas 不会主动帮你清洗,set_index() 遇到空值直接报 ValueError: Index has duplicate keys 或静默保留 NaN 键(取决于 pandas 版本)。

  • 务必先检查:df['name'].isna().sum()、df['name'].duplicated().sum()
  • 清洗建议一步到位:df_clean = df.dropna(subset=['name']).drop_duplicates(subset=['name'], keep='last')
  • 如果业务允许模糊匹配(比如忽略大小写),得先统一处理:df['name'] = df['name'].str.lower().str.strip()

键的可靠性永远比代码一行写得多重要。多花三十秒看一眼 df['name'].unique()[:10],能省掉后面两小时 debug。

Python免费学习笔记(深入):立即使用
在学习笔记中,你将探索 Python 的核心概念和高级技巧!

相关文章

PHP速学视频免费教程(入门到精通)
PHP速学视频免费教程(入门到精通)

PHP怎么学习?PHP怎么入门?PHP在哪学?PHP怎么学才快?不用担心,这里为大家提供了PHP速学教程(入门到精通),有需要的小伙伴保存下载就能学习啦!

下载

相关标签:

python 键值对

本站声明:本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系admin@php.cn

相关专题

更多
python打包成可执行文件
python打包成可执行文件

本专题为大家带来python打包成可执行文件相关的文章,大家可以免费的下载体验。

2023.07.20

1971

4

python能做什么
python能做什么

python能做的有:可用于开发基于控制台的应用程序、多媒体部分开发、用于开发基于Web的应用程序、使用python处理数据、系统编程等等。本专题为大家提供python相关的各种文章、以及下载和课程。

2023.07.25

5624

7

format在python中的用法
format在python中的用法

Python中的format是一种字符串格式化方法,用于将变量或值插入到字符串中的占位符位置。通过format方法,我们可以动态地构建字符串,使其包含不同值。php中文网给大家带来了相关的教程以及文章,欢迎大家前来阅读学习。

2023.07.31

1909

3

python教程
python教程

Python已成为一门网红语言,即使是在非编程开发者当中,也掀起了一股学习的热潮。本专题为大家带来python教程的相关文章,大家可以免费体验学习。

2023.08.03

34477

23

python环境变量的配置
python环境变量的配置

Python是一种流行的编程语言,被广泛用于软件开发、数据分析和科学计算等领域。在安装Python之后,我们需要配置环境变量,以便在任何位置都能够访问Python的可执行文件。php中文网给大家带来了相关的教程以及文章,欢迎大家前来学习阅读。

2023.08.04

4027

5

python eval
python eval

eval函数是Python中一个非常强大的函数,它可以将字符串作为Python代码进行执行,实现动态编程的效果。然而,由于其潜在的安全风险和性能问题,需要谨慎使用。php中文网给大家带来了相关的教程以及文章,欢迎大家前来学习阅读。

2023.08.04

4027

5

scratch和python区别
scratch和python区别

scratch和python的区别:1、scratch是一种专为初学者设计的图形化编程语言,python是一种文本编程语言;2、scratch使用的是基于积木的编程语法,python采用更加传统的文本编程语法等等。本专题为大家提供scratch和python相关的文章、下载、课程内容,供大家免费下载体验。

2023.08.11

1303

5

python合并两个列表
python合并两个列表

Python是一种强大的编程语言,具有许多方便的功能和工具。在Python中,有多种方法可以合并两个列表。php中文网给大家带来了相关的教程以及文章,欢迎大家前来学习阅读。

2023.08.10

636

4

python是前端还是后端
python是前端还是后端

Python属于前端也属于后端,其灵活性和丰富的生态系统使得开发人员能够在不同的领域中灵活运用。本专题为大家提供python相关的文章、下载、课程内容,供大家免费下载体验。

2023.08.11

3143

5

热门下载

更多
网站特效
/
网站源码
/
网站素材
/
前端模板

精品课程

更多
相关推荐
/
热门推荐
/
最新课程