Pandas DataFrame à la liste des dictionnaires

166

J'ai le DataFrame suivant:

article client1 article2 article3
1 tomate au lait de pomme
2 pommes de terre orange d'eau
3 chips de jus de mangue

dont je veux le traduire en liste de dictionnaires par ligne

rows = [{'customer': 1, 'item1': 'apple', 'item2': 'milk', 'item3': 'tomato'},
    {'customer': 2, 'item1': 'water', 'item2': 'orange', 'item3': 'potato'},
    {'customer': 3, 'item1': 'juice', 'item2': 'mango', 'item3': 'chips'}]

— Mohamad Ibrahim
source

2

Bienvenue dans Stack Overflow! J'ai mis en retrait votre échantillon de code de 4 espaces afin qu'il s'affiche correctement - veuillez consulter l'aide à l'édition pour plus d'informations sur le formatage.

— ByteHamster

189

Éditer

Comme John Galt le mentionne dans sa réponse , vous devriez probablement utiliser à la place df.to_dict('records'). C'est plus rapide que la transposition manuelle.

In [20]: timeit df.T.to_dict().values()
1000 loops, best of 3: 395 µs per loop

In [21]: timeit df.to_dict('records')
10000 loops, best of 3: 53 µs per loop

Réponse originale

Utilisez df.T.to_dict().values(), comme ci-dessous:

In [1]: df
Out[1]:
   customer  item1   item2   item3
0         1  apple    milk  tomato
1         2  water  orange  potato
2         3  juice   mango   chips

In [2]: df.T.to_dict().values()
Out[2]:
[{'customer': 1.0, 'item1': 'apple', 'item2': 'milk', 'item3': 'tomato'},
 {'customer': 2.0, 'item1': 'water', 'item2': 'orange', 'item3': 'potato'},
 {'customer': 3.0, 'item1': 'juice', 'item2': 'mango', 'item3': 'chips'}]

— Ordinateur
source

2

Quelle serait la solution dans le cas d'un dataframe contenant pour chaque Client plusieurs lignes?

— Aziz

2

Quand j'utilise df.T.to_dict().values(), je perds aussi l'ordre de tri

— Hussain

Lors de l'ouverture d'un fichier csv à la liste des dictionnaires, j'obtiens deux fois la vitesse avecunicodecsv.DictReader

— radtek

220

Utilisation df.to_dict('records')- donne la sortie sans avoir à transposer en externe.

In [2]: df.to_dict('records')
Out[2]:
[{'customer': 1L, 'item1': 'apple', 'item2': 'milk', 'item3': 'tomato'},
 {'customer': 2L, 'item1': 'water', 'item2': 'orange', 'item3': 'potato'},
 {'customer': 3L, 'item1': 'juice', 'item2': 'mango', 'item3': 'chips'}]

— Zéro
source

2

Comment le changerais-je pour inclure la valeur d'index dans chaque entrée de la liste résultante?

— Gabriel L. Oliveira

5

@ GabrielL.Oliveira vous pouvez faire df.reset_index (). To_dict ('records')

— Wei Ma

L'ordre des colonnes est-il réservé dans chaque cas, c'est-à-dire que la nième entrée dans la liste résultante est-elle toujours aussi la nième colonne?

— Cleb

@Cleb est la i.e. is the nth entry in the resulting list always also the nth column?nième colonne ou la nième ligne?

— Nauman Naeem

14

En prolongement de la réponse de John Galt -

Pour le DataFrame suivant,

   customer  item1   item2   item3
0         1  apple    milk  tomato
1         2  water  orange  potato
2         3  juice   mango   chips

Si vous souhaitez obtenir une liste de dictionnaires comprenant les valeurs d'index, vous pouvez faire quelque chose comme,

df.to_dict('index')

Qui produit un dictionnaire de dictionnaires où les clés du dictionnaire parent sont des valeurs d'index. Dans ce cas particulier,

{0: {'customer': 1, 'item1': 'apple', 'item2': 'milk', 'item3': 'tomato'},
 1: {'customer': 2, 'item1': 'water', 'item2': 'orange', 'item3': 'potato'},
 2: {'customer': 3, 'item1': 'juice', 'item2': 'mango', 'item3': 'chips'}}

— Hossain Muctadir
source

1

Si vous souhaitez sélectionner une seule colonne, cela fonctionnera.

df[["item1"]].to_dict("records")

Ce qui suit ne fonctionnera PAS et produira une TypeError: unsupported type:. Je pense que c'est parce qu'il essaie de convertir une série en dict et non une trame de données en dict.

df["item1"].to_dict("records")

J'avais l'obligation de ne sélectionner qu'une colonne et de la convertir en une liste de dictionnaires avec le nom de la colonne comme clé et j'étais coincé là-dessus pendant un peu, donc je pensais que je partagerais.

— Joe Rivera
source