将数据框转换为具有多个值的字典

问题描述

我有一个像这样的数据框

  Sr.No ID ABCD 
 1 Tom Earth English BMW 
 2汤姆·马斯（Tom Mars）西班牙宝马绿色
 3迈克尔·水星印地语奥迪黄色
 4约翰·维纳斯葡萄牙梅赛德斯蓝色
 5约翰·德国奥迪红色
  

我正在尝试通过ID将其转换为字典，例如：

  {'ID'：'Tom'，'A'：['Earth'，'Mars']，'B'：['English'，'Spanish']，'C'：
 ['BMW' ，'BMW']，'D'：['Green']}}，
 
 {'ID'：'Michael'，'A'：['Mercury']，'B'：['印地语']，'C'：['Audi']，
'D'：['Yellow']}，
 
 {'ID'：'John'，'A'： ['Venus']，'B'：['Portugese'，'German']，'C'：
 ['Mercedes'，'Audi']，'D'：['Blue'，'R ed']} 
  

有点类似于我想要的。

我也尝试过，

  df.set_index（'ID' ）.to_dict（）
  

但这给了我长度为5而不是3的字典。赞赏。

解决方案

按'ID'分组并应用 to_dict 到每个带有 orient ='list'的组非常接近：

  df.groupby（'ID'）。apply（lambda dfg：dfg.to_dict（orient ='list'））。to_dict（）
 Out [25]：
 {'John'：{'A'：['Venus'，nan]，
'B'：['Portugese'，'German']，
'C'：['Mercedes'， 'Audi']，
'D'：['Blue'，'Red']，
'ID'：['John'，'John']，
'Sr.No' ：[4，5]}，
'Michael'：{'A'：['Mercury']，
'B'：['Hindi']，
'C'：[ 'Audi']，
'D'：['Yellow']，
'ID'：['Michael']，
'Sr.No'：[3]}，
'Tom'：{'A'：['Earth'，'Mars']，
'B'：['English'，'Spanish']，
'C'：['BMW '，'BMW']，
'D'：[nan，'Green']，
'ID'：['Tom'，'Tom']，
'Sr.No' ：[1，2]}} 
  

应该只是对结果进行略微格式化。 / p>

编辑：：从字典中删除'ID' es：

  df.groupby（'ID'）。apply（lambda dfg：dfg.drop（'ID'，axis = 1）.to_dict（orient ='list'））。to_dict（）
 Out [5]：
 {'John'：{'A'：['Venus'，nan]，
'B'：['葡萄牙语'，'德语']，
'C'：['Mercedes'，'Audi']，
'D'：['Blue'，'Red'] ，
'Sr.No'：[4，5]}，
'Michael'：{'A'：['Mercury']，
'B'：['Hindi'] ，
'C'：['Audi']，
'D'：['Yellow']，
'Sr.No'：[3]}，
'Tom '：{'A'：['Earth'，'Mars']，
'B'：['English'，'Spanish']，
'C'：['BMW'，'BMW ']，
'D'：[nan，'Green']，
'Sr.No'：[1、2]}} 
  

I have a dataframe like

Sr.No   ID       A         B          C         D
 1     Tom     Earth    English      BMW
 2     Tom     Mars     Spanish      BMW       Green
 3     Michael Mercury  Hindi        Audi      Yellow
 4     John    Venus    Portugese    Mercedes  Blue
 5     John             German       Audi      Red

I am trying to convert this to a dictionary by ID like :

{'ID' : 'Tom', 'A' : ['Earth', 'Mars'], 'B' : ['English', 'Spanish'], 'C' :
                                                ['BMW', 'BMW'], 'D':['Green'] },

{'ID' : 'Michael', 'A' : ['Mercury'], 'B' : ['Hindi'], 'C' : ['Audi'],
                                                               'D':['Yellow']},

{'ID' : 'John', 'A' : ['Venus'], 'B' : ['Portugese', 'German'], 'C' :
                                     ['Mercedes', 'Audi'], 'D':['Blue', 'Red'] }

This is somewhat similar to what I want.

I also tried ,

df.set_index('ID').to_dict()

but this gives me dictionary of length 5 instead of 3. Any help would be appreciated.

解决方案

Grouping by 'ID' and apply to_dict to each group with orient='list' comes pretty close:

df.groupby('ID').apply(lambda dfg: dfg.to_dict(orient='list')).to_dict()
Out[25]:
{'John': {'A': ['Venus', nan],
  'B': ['Portugese', 'German'],
  'C': ['Mercedes', 'Audi'],
  'D': ['Blue', 'Red'],
  'ID': ['John', 'John'],
  'Sr.No': [4, 5]},
 'Michael': {'A': ['Mercury'],
  'B': ['Hindi'],
  'C': ['Audi'],
  'D': ['Yellow'],
  'ID': ['Michael'],
  'Sr.No': [3]},
 'Tom': {'A': ['Earth', 'Mars'],
  'B': ['English', 'Spanish'],
  'C': ['BMW', 'BMW'],
  'D': [nan, 'Green'],
  'ID': ['Tom', 'Tom'],
  'Sr.No': [1, 2]}}

It should just be a matter of formatting the result slightly.

Edit: to remove 'ID' from the dictionaries:

df.groupby('ID').apply(lambda dfg: dfg.drop('ID', axis=1).to_dict(orient='list')).to_dict()
Out[5]:
{'John': {'A': ['Venus', nan],
  'B': ['Portugese', 'German'],
  'C': ['Mercedes', 'Audi'],
  'D': ['Blue', 'Red'],
  'Sr.No': [4, 5]},
 'Michael': {'A': ['Mercury'],
  'B': ['Hindi'],
  'C': ['Audi'],
  'D': ['Yellow'],
  'Sr.No': [3]},
 'Tom': {'A': ['Earth', 'Mars'],
  'B': ['English', 'Spanish'],
  'C': ['BMW', 'BMW'],
  'D': [nan, 'Green'],
  'Sr.No': [1, 2]}}

这篇关于将数据框转换为具有多个值的字典的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持！