【愚公系列】《Python网络爬虫从入门到精通》031-DataFrame数据的转换
原创
【愚公系列】《Python网络爬虫从入门到精通》031-DataFrame数据的转换
原创
💎【行业认证·权威头衔】
✔ 华为云天团核心成员：特约编辑/云享专家/开发者专家/产品云测专家
✔ 开发者社区全满贯：CSDN博客&商业化双料专家/阿里云签约作者/腾讯云内容共创官/掘金&亚马逊&51CTO顶级博主
✔ 技术生态共建先锋：横跨鸿蒙、云计算、AI等前沿领域的技术布道者
🏆【荣誉殿堂】
🎖 连续三年蝉联"华为云十佳博主"（2022-2024）
🎖 双冠加冕CSDN"年度博客之星TOP2"（2022&2023）
🎖 十余个技术社区年度杰出贡献奖得主
📚【知识宝库】
覆盖全栈技术矩阵：
◾ 编程语言：.NET/Java/Python/Go/Node...
◾ 移动生态：HarmonyOS/iOS/Android/小程序
◾ 前沿领域：物联网/网络安全/大数据/AI/元宇宙
◾ 游戏开发：Unity3D引擎深度解析
🚀前言
在数据分析的过程中，数据的转换是一个不可或缺的环节。无论是在进行数据整合、特征工程，还是在准备数据以适应不同的分析需求，掌握DataFrame数据转换的技巧都显得尤为重要。Pandas库中的DataFrame对象为数据转换提供了丰富的功能，使得我们能够轻松地对数据进行变换和处理，以适应不同的分析场景。
本文将重点介绍DataFrame数据转换的常用方法，包括数据的重塑、透视、合并与连接、类型转换等。通过实际案例，我们将深入探讨如何灵活运用这些功能来优化数据结构，提升分析效率。
🚀一、DataFrame数据的转换
数据转换是数据预处理的重要环节，本节介绍如何将DataFrame转换为字典、列表和元组。
🔎1.DataFrame转换为字典
使用 to_dict() 方法，通过 orient 参数控制转换格式。
🦋1.1 默认转换（orient='dict'）
默认以列名为键，每列数据转换为嵌套字典（索引为内层键）：
import pandas as pd
data = [[110, 105, 99], [105, 88, 115]]
name = ['明日', '七月流火']
columns = ['语文', '数学', '英语']
df = pd.DataFrame(data, index=name, columns=columns)
print(df.to_dict())输出：
{
'语文': {'明日': 110, '七月流火': 105},
'数学': {'明日': 105, '七月流火': 88},
'英语': {'明日': 99, '七月流火': 115}
}🦋1.2 orient='list'
列名为键，列数据转换为列表：
print(df.to_dict(orient='list'))输出：
{
'语文': [110, 105],
'数学': [105, 88],
'英语': [99, 115]
}🦋1.3 orient='index'
行索引为键，每行数据转换为字典（列名为内层键）：
print(df.to_dict(orient='index'))输出：
{
'明日': {'语文': 110, '数学': 105, '英语': 99},
'七月流火': {'语文': 105, '数学': 88, '英语': 115}
}🦋1.4 其他常用参数
orient='records'：转换为字典列表，每行一个字典。print(df.to_dict(orient='records')) # 输出：[{'语文':110, '数学':105, '英语':99}, {'语文':105, '数学':88, '英语':115}]orient='split'：分离索引、列名和数据。print(df.to_dict(orient='split')) # 输出：{'index': ['明日', '七月流火'], 'columns': ['语文', '数学', '英语'], 'data': [[110, 105, 99], [105, 88, 115]]}
🔎2.DataFrame转换为列表
🦋2.1 单行数据转列表
使用 iloc 或 loc 获取行数据后调用 tolist()：
# 示例数据：二手房信息
data = [['80万', 110, '3室2厅'], ['99.8万', 122, '2室2厅']]
name = ['吉盛小区', '万科城']
columns = ['总价', '面积', '户型']
df = pd.DataFrame(data, index=name, columns=columns)
# 获取第一行数据并转列表
print(df.iloc[0].tolist()) # 输出：['80万', 110, '3室2厅']
# 通过索引获取行数据并转列表
print(df.loc['万科城'].tolist()) # 输出：['99.8万', 122, '2室2厅']
🦋2.2 单列数据转列表
直接对列调用 tolist()：
print(df['总价'].tolist()) # 输出：['80万', '99.8万']
print(df.户型.tolist()) # 输出：['3室2厅', '2室2厅']🔎3.DataFrame转换为元组
通过循环遍历DataFrame值并转换为元组：
import pandas as pd # 导入pandas模块
#解决数据输出时列名不对齐的问题
pd.set_option('display.unicode.east_asian_width', True)
data = [['Aaron',18,'boy'],['Abby',23,'girl']] # 创建数据
columns = ['name','age','sex'] # 创建列名
df = pd.DataFrame(data=data, columns=columns) # 创建DataFrame对象
print('原数据如下：\n',df)
tuples = tuple(tuple(t) for t in df.values) # 将DataFrame数据转换为元组数据
print('转换后的元组数据如下：\n',tuples)输出：
高效方法：使用 itertuples()
tuples = tuple(df.itertuples(index=False, name=None))
print(tuples)
# 输出：(('Aaron', 18, 'boy'), ('Abby', 23, 'girl'))🔎4.总结
- 字典转换：灵活选择
orient参数适配不同需求。 - 列表转换：按行或列提取数据，适用于后续遍历或批量处理。
- 元组转换：适合需要不可变数据结构的场景，如哈希键或数据库操作。
通过合理选择转换方法，可高效实现数据在不同格式间的流转，满足多样化的数据处理需求。
原创声明：本文系作者授权腾讯云开发者社区发表，未经许可，不得转载。
如有侵权，请联系 cloudcommunity@tencent.com 删除。
原创声明：本文系作者授权腾讯云开发者社区发表，未经许可，不得转载。
如有侵权，请联系 cloudcommunity@tencent.com 删除。
腾讯云开发者
