Python 字典转 Pandas

1. 简介

在 Python 中，Pandas 是一个非常强大和灵活的数据分析工具。它提供了丰富的数据结构和数据处理功能，使得数据的读取、清洗、变换和分析变得更加容易。字典(dict)是 Python 中常用的数据结构之一，而将字典转换为 Pandas 的 DataFrame 可以更方便地进行数据处理和分析。

本文将详细介绍如何将 Python 字典转换为 Pandas DataFrame，并提供一些示例代码来演示转换过程。

2. 将字典转换为 Pandas DataFrame

将字典转换为 Pandas DataFrame 的方法有很多，下面将介绍两种常用的方式。

2.1 使用 from_dict 方法

Pandas 提供了 from_dict 方法，可以直接将字典转换为 DataFrame。该方法的用法如下：

import pandas as pd

data = {'name': ['Alice', 'Bob', 'Charlie'],
        'age': [25, 30, 35],
        'country': ['USA', 'Canada', 'UK']}

df = pd.DataFrame.from_dict(data)

上述代码中，我们定义了一个包含三个键（name、age 和 country）的字典 data。然后，我们使用 from_dict 方法将字典 data 转换为 DataFrame df。可以通过打印 DataFrame 的内容来验证转换结果：

print(df)

输出:

      name  age country
0    Alice   25     USA
1      Bob   30  Canada
2  Charlie   35      UK

可以看到，字典 data 被成功转换为 DataFrame，并且每个键对应 DataFrame 中的一列。

2.2 使用列表生成式转换

另一种将字典转换为 Pandas DataFrame 的方法是使用列表生成式（List Comprehension）。首先，我们可以将字典的键作为 DataFrame 的列名，将字典的值作为 DataFrame 的每一行。具体的实现代码如下：

import pandas as pd

data = {'name': ['Alice', 'Bob', 'Charlie'],
        'age': [25, 30, 35],
        'country': ['USA', 'Canada', 'UK']}

df = pd.DataFrame([{k: v[i] for k, v in data.items()} for i in range(len(data['name']))])

上述代码中，我们通过列表生成式遍历字典的每个键值对，将键作为 DataFrame 的列名，将对应的值作为每一行的数据。通过打印 DataFrame 的内容来验证转换结果：

print(df)

输出:

      name  age country
0    Alice   25     USA
1      Bob   30  Canada
2  Charlie   35      UK

同样地，字典 data 被成功转换为 DataFrame，并且每个键对应 DataFrame 中的一列。

3. 字典中嵌套字典的转换

除了简单的字典转换，Pandas 也支持将字典中嵌套字典的数据转换为 DataFrame。下面给出一个示例：

import pandas as pd

data = {'name': {'first': 'Alice', 'last': 'Smith'},
        'age': {'first': 25, 'last': 30},
        'country': {'first': 'USA', 'last': 'Canada'}}

df = pd.DataFrame.from_dict(data)

上述代码中，我们定义了一个嵌套字典 data。嵌套字典中的每个键值对代表了一个列的数据，其中 ‘name’、’age’ 和 ‘country’ 分别是列的名称，而 ‘first’ 和 ‘last’ 代表了行索引。通过打印 DataFrame 的内容来验证转换结果：

print(df)

输出:

      name  age country
first  Alice   25     USA
last   Smith   30  Canada

可以看到，嵌套字典 data 被成功转换为 DataFrame。每个嵌套字典的键（如 ‘first’ 和 ‘last’）被当作行的索引，而每个嵌套字典的值则被当作 DataFrame 中的一个元素。

4. DataFrame 转换为字典

除了将字典转换为 DataFrame，我们还可以将 DataFrame 转换回字典。Pandas 提供了 to_dict 方法，可以将 DataFrame 转换为字典。具体的方法如下：

import pandas as pd

data = {'name': ['Alice', 'Bob', 'Charlie'],
        'age': [25, 30, 35],
        'country': ['USA', 'Canada', 'UK']}

df = pd.DataFrame.from_dict(data)

dict_data = df.to_dict()

上述代码中，我们首先将字典 data 转换为 DataFrame df。然后，使用 DataFrame 的 to_dict 方法将 DataFrame df 转换为字典 dict_data。可以通过打印字典来验证转换结果：

print(dict_data)

输出:

{'name': {0: 'Alice', 1: 'Bob', 2: 'Charlie'},
 'age': {0: 25, 1: 30, 2: 35},
 'country': {0: 'USA', 1: 'Canada', 2: 'UK'}}

可以看到，DataFrame df 成功转换为了字典 dict_data。每个列名对应字典中的一个键，每个元素对应字典中对应键的一个值。

5. 总结

本文介绍了如何将 Python 中的字典转换为 Pandas 的 DataFrame，以及如何将 DataFrame 转换回字典。通过将字典转换为 DataFrame，我们可以更方便地进行数据处理和分析。而将 DataFrame 转换为字典，则可以方便地将数据导出到其他模块或格式。掌握这些转换方法将为我们的数据分析工作带来极大的方便和灵活性。