Python中DataFrame與內(nèi)置數(shù)據(jù)結(jié)構(gòu)相互轉(zhuǎn)換的實(shí)現(xiàn)

更新時(shí)間：2023年02月10日 08:40:19 作者：古明地覺(jué)

pandas?支持我們從?Excel、CSV、數(shù)據(jù)庫(kù)等不同數(shù)據(jù)源當(dāng)中讀取數(shù)據(jù)，來(lái)構(gòu)建?DataFrame。但有時(shí)數(shù)據(jù)并不來(lái)自這些外部數(shù)據(jù)源，這就涉及到了?DataFrame?和?Python?內(nèi)置數(shù)據(jù)結(jié)構(gòu)之間的相互轉(zhuǎn)換，本文就來(lái)和大家詳細(xì)聊聊

楔子

pandas 支持我們從 Excel、CSV、數(shù)據(jù)庫(kù)等不同數(shù)據(jù)源當(dāng)中讀取數(shù)據(jù)，來(lái)構(gòu)建 DataFrame。但有時(shí)數(shù)據(jù)并不來(lái)自這些外部數(shù)據(jù)源，而是來(lái)自一個(gè)已經(jīng)存在的 Python 數(shù)據(jù)結(jié)構(gòu)，比如列表、字典等等。

同理當(dāng)需要導(dǎo)出 DataFrame 時(shí)，也不一定非要寫(xiě)到外部文件里，而是希望生成字典或者列表，那么這個(gè)時(shí)候該怎么做呢？

所以這就涉及到了 DataFrame 和 Python 內(nèi)置數(shù)據(jù)結(jié)構(gòu)之間的相互轉(zhuǎn)換，下面來(lái)介紹一些最佳實(shí)踐，你可以根據(jù)實(shí)際情況進(jìn)行選擇。

DataFrame 轉(zhuǎn)成內(nèi)置數(shù)據(jù)結(jié)構(gòu)

假設(shè)有這樣一個(gè) 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(zhuǎn)成內(nèi)置數(shù)據(jù)結(jié)構(gòu)之后是什么樣子？

df.to_records()

將 DataFrame 轉(zhuǎn)成 Numpy 的數(shù)組，數(shù)組里面是一個(gè)個(gè)的元組。

print(df.to_records())
"""
[(0,?'Satori',??99,?2)?(1,?'Koishi',??98,?3)?(2,?'Marisa',?100,?1)]
"""
#?返回的時(shí)候?qū)⑺饕矌狭?，我們可以去?
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(zhuǎn)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(jié)構(gòu)還是很常見(jiàn)的，在工作中經(jīng)常會(huì)用到。但唯一不好的是，字段信息丟失了。

df.to_dict()

將 DataFrame 轉(zhuǎn)成 Python 的字典。

#?返回?Python?的字典，key?是字段名，value?是對(duì)應(yīng)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(wèn)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(dāng)然啦，to_dict()?還可以手動(dòng)實(shí)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(zhuǎn)成 Python 的列表，列表里面是一個(gè)個(gè)的字典，每個(gè)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(gè)人覺(jué)得這種數(shù)據(jù)結(jié)構(gòu)應(yīng)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(nèi)置數(shù)據(jù)結(jié)構(gòu)轉(zhuǎn)成 DataFrame

內(nèi)置數(shù)據(jù)結(jié)構(gòu)轉(zhuǎn)成 DataFrame，我們也來(lái)介紹幾個(gè)最常用的場(chǎng)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(duì)于這種數(shù)據(jù)，可以通過(guò)?DataFrame?的?from_records?方法
#?列表里的字典代表了?DataFrame?的每一行，每個(gè)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(jiǎn)單的，直接調(diào)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(huì)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(jiǎn)單，會(huì)將所有的?key?都考慮在內(nèi)
#?如果某一行沒(méi)有指定的?key，那么對(duì)應(yīng)的值就是空

當(dāng)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(diào)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(nèi)容，比較簡(jiǎn)單。并且相關(guān)函數(shù)的具體用法，也沒(méi)有詳細(xì)說(shuō)明，只是從工作角度介紹了一些最佳實(shí)踐。更多內(nèi)容，可以查看 pandas 的注釋。

到此這篇關(guān)于Python中DataFrame與內(nèi)置數(shù)據(jù)結(jié)構(gòu)相互轉(zhuǎn)換的實(shí)現(xiàn)的文章就介紹到這了,更多相關(guān)Python DataFrame內(nèi)置數(shù)據(jù)結(jié)構(gòu)內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

您可能感興趣的文章: