pandas.DataFrame.to_dict

数据框。to_dict ( orient='dict' , * , into=<class 'dict'> , index=True )

将 DataFrame 转换为字典。

可以使用参数自定义键值对的类型（见下文）。

参数：

orient str {'dict', 'list', 'series', 'split', 'tight', 'records', 'index'}

确定字典值的类型。

• 'dict' （默认）：类似于 {column -> {index -> value}} 的字典

• 'list' : 像 {column -> [values]} 这样的字典

• 'series' : 像 {column -> Series(values)} 这样的字典

• 'split' : 像 {'index' -> [index], 'columns' -> [columns], 'data' -> [values]} 这样的字典

• 'tight' : 像 {'index' -> [index], 'columns' -> [columns], 'data' -> [values], 'index_names' -> [index.names], 'column_names' -> 这样的字典[列名]}

• 'records' ：列表如 [{column -> value}, … , {column -> value}]

• 'index' : 像 {index -> {column -> value}} 这样的字典

版本 1.4.0 中的新增功能：orient “tight”作为参数的允许值

进入类，默认字典

collections.abc.MutableMapping 子类用于返回值中的所有映射。可以是实际的类，也可以是所需映射类型的空实例。如果你想要一个collections.defaultdict，你必须对其进行初始化。

索引bool，默认 True

是否 在返回的字典中包含索引项（如果orientFalse为“tight”，则包含 index_names 项）。仅 当东方为“分裂”或“紧”时才可能。

2.0.0 版本中的新增内容。

返回：

dict、list 或 collections.abc.MutableMapping

返回表示 DataFrame 的 collections.abc.MutableMapping 对象。生成的变换取决于方向 参数。

也可以看看

DataFrame.from_dict

从字典创建一个 DataFrame。

DataFrame.to_json

将 DataFrame 转换为 JSON 格式。

例子

>>> df = pd.DataFrame({'col1': [1, 2],
...                    'col2': [0.5, 0.75]},
...                   index=['row1', 'row2'])
>>> df
      col1  col2
row1     1  0.50
row2     2  0.75
>>> df.to_dict()
{'col1': {'row1': 1, 'row2': 2}, 'col2': {'row1': 0.5, 'row2': 0.75}}

您可以指定返回方向。

>>> df.to_dict('series')
{'col1': row1    1
         row2    2
Name: col1, dtype: int64,
'col2': row1    0.50
        row2    0.75
Name: col2, dtype: float64}

>>> df.to_dict('split')
{'index': ['row1', 'row2'], 'columns': ['col1', 'col2'],
 'data': [[1, 0.5], [2, 0.75]]}

>>> df.to_dict('records')
[{'col1': 1, 'col2': 0.5}, {'col1': 2, 'col2': 0.75}]

>>> df.to_dict('index')
{'row1': {'col1': 1, 'col2': 0.5}, 'row2': {'col1': 2, 'col2': 0.75}}

>>> df.to_dict('tight')
{'index': ['row1', 'row2'], 'columns': ['col1', 'col2'],
 'data': [[1, 0.5], [2, 0.75]], 'index_names': [None], 'column_names': [None]}

您还可以指定映射类型。

>>> from collections import OrderedDict, defaultdict
>>> df.to_dict(into=OrderedDict)
OrderedDict([('col1', OrderedDict([('row1', 1), ('row2', 2)])),
             ('col2', OrderedDict([('row1', 0.5), ('row2', 0.75)]))])

如果你想要一个defaultdict，你需要初始化它：

>>> dd = defaultdict(list)
>>> df.to_dict('records', into=dd)
[defaultdict(<class 'list'>, {'col1': 1, 'col2': 0.5}),
 defaultdict(<class 'list'>, {'col1': 2, 'col2': 0.75})]