Ответ 1

Метод to_dict() устанавливает имена столбцов в качестве ключей словаря, поэтому вам нужно слегка изменить форму DataFrame. Установка столбца "ID" в качестве индекса, а затем транспонирование DataFrame - один из способов добиться этого.

to_dict() также принимает аргумент 'orient', который вам понадобится для вывода списка значений для каждого столбца. В противном случае для каждого столбца будет возвращен словарь в форме {index: value}.

Эти шаги можно выполнить с помощью следующей строки:

>>> df.set_index('ID').T.to_dict('list')
{'p': [1, 3, 2], 'q': [4, 3, 2], 'r': [4, 0, 9]}

Если нужен другой формат словаря, вот примеры возможных аргументов orient. Рассмотрим следующий простой DataFrame:

>>> df = pd.DataFrame({'a': ['red', 'yellow', 'blue'], 'b': [0.5, 0.25, 0.125]})
>>> df
        a      b
0     red  0.500
1  yellow  0.250
2    blue  0.125

Тогда варианты следующие.

dict - по умолчанию: имена столбцов являются ключами, значения - словарями индекса: пары данных

>>> df.to_dict('dict')
{'a': {0: 'red', 1: 'yellow', 2: 'blue'}, 
 'b': {0: 0.5, 1: 0.25, 2: 0.125}}

list - ключи - это имена столбцов, значения - списки данных столбцов

>>> df.to_dict('list')
{'a': ['red', 'yellow', 'blue'], 
 'b': [0.5, 0.25, 0.125]}

серия - как "список", но значения - серия

>>> df.to_dict('series')
{'a': 0       red
      1    yellow
      2      blue
      Name: a, dtype: object, 

 'b': 0    0.500
      1    0.250
      2    0.125
      Name: b, dtype: float64}

split - разделяет столбцы/данные/индекс как ключи со значениями, являющимися именами столбцов, значениями данных по меткам строк и индексам соответственно

>>> df.to_dict('split')
{'columns': ['a', 'b'],
 'data': [['red', 0.5], ['yellow', 0.25], ['blue', 0.125]],
 'index': [0, 1, 2]}

записи - каждая строка становится словарем, где ключ - это имя столбца, а значение - данные в ячейке.

>>> df.to_dict('records')
[{'a': 'red', 'b': 0.5}, 
 {'a': 'yellow', 'b': 0.25}, 
 {'a': 'blue', 'b': 0.125}]

index - как "records", но словарь словарей с ключами в качестве меток индекса (а не списка)

>>> df.to_dict('index')
{0: {'a': 'red', 'b': 0.5},
 1: {'a': 'yellow', 'b': 0.25},
 2: {'a': 'blue', 'b': 0.125}}

Ответ 2

Попробуйте использовать Zip

df = pd.read_csv("file")
d= dict([(i,[a,b,c ]) for i, a,b,c in zip(df.ID, df.A,df.B,df.C)])
print d

Выход:

{'p': [1, 3, 2], 'q': [4, 3, 2], 'r': [4, 0, 9]}

Ответ 3

Выполните следующие шаги:

Предположим, что ваш dataframe выглядит следующим образом:

>>> df
   A  B  C ID
0  1  3  2  p
1  4  3  2  q
2  4  0  9  r

1. Используйте set_index для установки столбцов ID в качестве индекса dataframe.

    df.set_index("ID", drop=True, inplace=True)

2. Используйте параметр orient=index, чтобы иметь индекс в качестве словарных клавиш.

    dictionary = df.to_dict(orient="index")

Результаты будут выглядеть следующим образом:

    >>> dictionary
    {'q': {'A': 4, 'B': 3, 'D': 2}, 'p': {'A': 1, 'B': 3, 'D': 2}, 'r': {'A': 4, 'B': 0, 'D': 9}}

3. Если вам нужно, чтобы каждый образец в качестве списка выполнял следующий код. Определите порядок столбцов

column_order= ["A", "B", "C"] #  Determine your preferred order of columns
d = {} #  Initialize the new dictionary as an empty dictionary
for k in dictionary:
    d[k] = [dictionary[k][column_name] for column_name in column_order]

Ответ 4

Если вы не имеете в виду значения словаря, являющиеся кортежами, вы можете использовать itertuples:

>>> {x[0]: x[1:] for x in df.itertuples(index=False)}
{'p': (1, 3, 2), 'q': (4, 3, 2), 'r': (4, 0, 9)}

Ответ 5

DataFrame.to_dict() преобразует DataFrame в словарь.

пример

>>> df = pd.DataFrame(
    {'col1': [1, 2], 'col2': [0.5, 0.75]}, index=['a', 'b'])
>>> df
   col1  col2
a     1   0.1
b     2   0.2
>>> df.to_dict()
{'col1': {'a': 1, 'b': 2}, 'col2': {'a': 0.5, 'b': 0.75}}

Смотрите эту документацию для деталей

Ответ 6

Для моего использования (имена узлов с позициями xy) я нашел ответ @user4179775 на наиболее полезный/интуитивно понятный:

import pandas as pd

df = pd.read_csv('glycolysis_nodes_xy.tsv', sep='\t')

df.head()
    nodes    x    y
0  c00033  146  958
1  c00031  601  195
...

xy_dict_list=dict([(i,[a,b]) for i, a,b in zip(df.nodes, df.x,df.y)])

xy_dict_list
{'c00022': [483, 868],
 'c00024': [146, 868],
 ... }

xy_dict_tuples=dict([(i,(a,b)) for i, a,b in zip(df.nodes, df.x,df.y)])

xy_dict_tuples
{'c00022': (483, 868),
 'c00024': (146, 868),
 ... }

добавление

Позже я вернулся к этому вопросу для другой, но связанной работы. Вот подход, который более близко отражает [превосходный] принятый ответ.

node_df = pd.read_csv('node_prop-glycolysis_tca-from_pg.tsv', sep='\t')

node_df.head()
   node  kegg_id kegg_cid            name  wt  vis
0  22    22       c00022   pyruvate        1   1
1  24    24       c00024   acetyl-CoA      1   1
...

Конвертировать кадр данных Pandas в [list], {dict}, {dict of {dict}},...

За принятый ответ:

node_df.set_index('kegg_cid').T.to_dict('list')

{'c00022': [22, 22, 'pyruvate', 1, 1],
 'c00024': [24, 24, 'acetyl-CoA', 1, 1],
 ... }

node_df.set_index('kegg_cid').T.to_dict('dict')

{'c00022': {'kegg_id': 22, 'name': 'pyruvate', 'node': 22, 'vis': 1, 'wt': 1},
 'c00024': {'kegg_id': 24, 'name': 'acetyl-CoA', 'node': 24, 'vis': 1, 'wt': 1},
 ... }

В моем случае я хотел сделать то же самое, но с выбранными столбцами из кадра данных Pandas, поэтому мне нужно было разделить столбцы. Есть два подхода.

1. Непосредственно:

(см.: Преобразование панд в словарь, определяющий столбцы, используемые для ключевых значений)

node_df.set_index('kegg_cid')[['name', 'wt', 'vis']].T.to_dict('dict')

{'c00022': {'name': 'pyruvate', 'vis': 1, 'wt': 1},
 'c00024': {'name': 'acetyl-CoA', 'vis': 1, 'wt': 1},
 ... }

2. "Косвенно:" сначала нарежьте нужные столбцы/данные из кадра данных Pandas (опять же, два подхода),

node_df_sliced = node_df[['kegg_cid', 'name', 'wt', 'vis']]

или же

node_df_sliced2 = node_df.loc[:, ['kegg_cid', 'name', 'wt', 'vis']]

которые затем могут быть использованы для создания словаря словарей

node_df_sliced.set_index('kegg_cid').T.to_dict('dict')

{'c00022': {'name': 'pyruvate', 'vis': 1, 'wt': 1},
 'c00024': {'name': 'acetyl-CoA', 'vis': 1, 'wt': 1},
 ... }