dataframe转dict_dict转为dataframe

将dataframe的一行转成一个字典python

f = open('file.csv','a',newline='')

# encoding: utf-8

dataframe转dict_dict转为dataframe

dataframe转dict_dict转为dataframe

元素级的Python函数也是可以用的,使用applymap方法:

import pandas as pd

a = ['Name', 'Age', 'Gender']

b = ['Ali', '19', 'China']

data = pd.DataFrame(zip(a, b), columns=['project', 'attribute'])

print data

print dict_country

输出显示

project attribute

0 Name Ali

1 Age 19

2 Gender China

{'Gender': ['China'], 'Age': ['19'], 'Name': ['Ali']}

值得注意的是，转置之前需要设置指定的索引，否则会按照默认索引转换成这样：

{0: ['Name', 'Ali'], 1: ['Age', '19'], 2: ['Gender', 'China']}

如何使用python读取word的表格并输出为字典？

有时候，在Python中需要将dataframe类型转换为字典类型，下面的方法帮助我们解决这一问题。 任务代码。

直接读取索引、切片value写入csv文件，

import csv

w = writer(f)

w.writerow(dict(key))

打开csv文件另存为excel.

如果是很多个字典组成的列表，形式像[{a:1,b:2,c:3},……{a:4,b:5,c:6}],就可以用pandas来进行处理，存储为excel, 表头为a,b,c

from pandas import DataFrame as DF

df = DF(dict_l)

df.to_csv(filename)

这个字典不好看啊！

直接读取value写入csv文件，

import csv

w = writer(f)

w.writerow(dict(key))

打开csv文件另存为excel.

如果是很多个字典组成的列表，形式像[{a:1,b:2,c:3},……{a:4,b:5,c:6}],就可以用pandas来进行处理，存储为excel, 表头为a,b,c

from pandas import DataFrame as DF

df = DF(dict_l)

df.to_csv(filename)

Pandas系列1-DataFrame之初始化

这里需要注意的是如果不指定columns参数，有可能导致某些为空的field没有对应的列，如果指定了列名称，则如果相对应的域没有数据的话，就会自动置为nan

DataFrame有多种初始化方法，主要分为以下几种情况：

下面分别介绍：

总的来说，如果容器对象是一个list，那么其中上面两个方法返回一个新的Series或者DataFrame，对原数据没有影响,如果想在原数据上进行直接修改，使用inplace参数：的就是一条行记录，而如果是dict，那么就相当于列记录，即key对应的是column name，而values即为这一列的值，而values一般可以通过list存储，也可以通过Series对象存储。

通过1D data series初始化的时候，如果有多列，那么需要等长

注意与上边的dict of lists区分，如果最外层是dict，那么key值默认是column label。

而在list of dicts中，每个dict都是一个record，或者说一行

pandas通过各种数据文件也可以初始化，比如csv文件，excel文件，json文件，html文件等，详见下图

下面以 read_csv 详细解释下读取csv文件以及初始化的过程

read_csv 的完整文档参考 read_csv api ，下面通过示例对常用的parameter进行解释：

这里以MongoDB为例

Pandas-DataFrame基础知识点总结

'B' : ['b1','b2','b3']}

DataFrame是一种表格型数据结构，它含有一组有序的列，每列可以是不同的值。DataFrame既有行索引，也有列索引，它可以看作是由Series组成的字典，不过这些Series公用一个索引。

我们可以根据列名来选取一列，返回一个Series:

DataFrame的创建有多种方式，不过最重要的还是根据dict进行创建，以及读取csv或者txt文件来创建。这里主要介绍这两种方式。

根据字典创建

DataFrame的行索引是index，列索引是columns，我们可以在创建DataFrame时指定索引的值：

使用嵌套字典也可以创建DataFrame，此时外层字典的键作为列，内层键则作为索引:

我们可以用index，columns，values来访问DataFrame的行索引，列索引以及数据值，数据值返回的是一个二维的ndarray

读取文件

读取文件生成DataFrame最常用的是read_csv,read_table方法。该方法中几个重要的参数如下所示：

其他创建DataFrame的方式有很多，比如我们可以通过读取mysql或者mongoDB来生成，也可以读取json文件等等，这里就不再介绍。

在DataFrame的处理中经常会遇到轴的概念，这里先给大家一个直观的印象，我们所说的axis=0即表示沿着每一列或行标签索引值向下执行方法，axis=1即表示沿着每一行或者列标签模向执行对应的方法。

我们还可以选取多列或者多行：

当然，在选取数据的时候，我们还可以根据逻辑条件来选取：

pandas提供了专门的用于索引DataFrame的方法，即使用ix方法进行索引,不过ix在最新的版本中已经被废弃了，如果要是用标签，使用loc方法，如果使用下标，使用iloc方法：

修改数据

可以使用一个标量修改DataFrame中的某一列，此时这个标量会广播到DataFrame的每一行上:

也可以使用一个列表来修改，不过要保证列表的长度与DataFrame长度相同：

可以使用一个Series，此时会根据索引进行匹配：

重新索引

使用reindex方法对DataFrame进行重新索引。对DataFrame进行重新索引，可以重新索引行，列或者两个都修改，如果只传入一个参数，则会从新索引行：

填充数据只能按行填充，此时只能对行进行重新索引：

丢弃指定轴上的值

可以使用drop方法丢弃指定轴上的值，不会对原DataFrame产生影响

算术运算

DataFrame在进行算术运算时会进行补齐，在不重叠的部分补足NA：

可以使用fill_value方法填充NA数据，不过两个df中都为NA的数据，该方法不会填充：

函数应用和映射

numpy的元素级数组方法，也可以用于作Pandas对象:

另一个常见的作是，将函数应用到由各列或行所形成的一维数组上。DataFrame的apply方法即可实现此功能。

排序和排名

对于DataFrame,sort_index可以根据任意轴的索引进行排序，并指定升序降序

DataFrame也可以按照值进行排序：

汇总和计算描述统计

DataFrame中的实现了sum、mean、max等方法,我们可以指定进行汇计的轴，同时，也可以使用describe函数查看基本所有的统计项：

DataFrame也实现了corr和cov方法来计算一个DataFrame的相关系数矩阵和协方矩阵，同时DataFrame也可以与Series求解相关系数。

处理缺失数据

Pandas中缺失值相关的方法主要有以下三个：

isnull方法用于判断数据是否为空数据；

fillna方法用于填补缺失数据；

dropna方法用于舍弃缺失数据。

对DataFrame来说，dropna方法如果发现缺失值，就会进行整行删除，不过可以指定删除的方式，how=all，是当整行全是na的时候才进行删除,同时还可以指定删除的轴。

DataFrame填充缺失值可以统一填充，也可以按列填充，或者指定一种填充方式：

ValueError: arrays must all be same length

这又分为以下几种方式

d={ 'NUM' : radict_l = [{a:1,b:2,c:3},……{a:4,b:5,c:6}]nge(3),

'C' : ['c1','c2','c3'],

'D' : ['d1','d2','d3','d4'],

'E' : ['e1','e2','e3'],

会报错，因为会把key转换成列名，后面的数组转化为对应的值，必须长度一样，这里D多了

解决方法：

pd.DataFrame.from_dict(d, orient='index')

但是这样在to_excel的时候文件里只有values没有key

我希望把key也保存在文件里

df = df.reset_index().rename(columns={'index': 'key'}) 就可以了

pd.read_csv(路径，skiprows=9,nrows=10)，忽略前9行，往下读10行

pandas之DataFrame对象

DataFrame这种列表式数据结构跟excel表相似，其设计初衷是将Series的使用场景由一维扩展到，DataFrame由按一定顺序排列的多列数据组成，各列的数据类型可以有所不同.

DataFrame对象有两个索引数组( index和columns )，个数组与行相关，它与Series的索引数组极为相似，每个索引值都跟所在的一行相关联，第二个数组包含一系列列标签(每个值相当于列名), DataFrame可以理解为一个由Series组成的字典，其中dict_country = data.set_index('project').T.to_dict('list')每一列的名称作为字典的键，形成DataFrame的列的Series作为字典的值，每个Series的所有元素映射到叫Inf = open('file.csv','a',newline='')dex的标签数组中 .

使用字典构造DataFrame对象,字典的键为columns的值，字典的值为columns的值对应的Series对象.

如果用来创建DataFrame的dict中存在你不需要的数据，你可以指定columns参数来构造DataFrame对象，新建的DataFrame各列顺序与你指定的列顺序一样.

也可以指定index参数构造DataFrame对象，如果没有指定，默认是从0开始依次递增的数组.