编写一个 Python 程序，将字典转换为 Pandas DataFrame，并附带一个示例。有多种方法可以将字典转换为 pandas DataFrame，我们涵盖了所有这些方法。
在这个示例中，我们首先声明了一个员工字典，并使用了 pandas DataFrame 函数。在其中，我们访问了项目。其次，我们将字典项目转换为列表，然后将列表转换为 DataFrame。
import pandas as pd
empDict = {'name': 'Jhon Miller', 'Age': 32, 'Job': 'Developer'}
print(empDict)
df1 = pd.DataFrame(empDict.items())
print(df1)
df2 = pd.DataFrame(list(empDict.items()))
print(df2)
输出
{'name': 'Jhon Miller', 'Age': 32, 'Job': 'Developer'}
0 1
0 name Jhon Miller
1 Age 32
2 Job Developer
0 1
0 name Jhon Miller
1 Age 32
2 Job Developerpandas DataFrame 具有列属性来为列分配名称，我们使用该列表分配多个列名。
empDict = {'Kiwi': 2000, 'Apple': 5000, 'Orange': 1500, 'Mango': 3500}
print(empDict)
print("=========")
df = pd.DataFrame(list(empDict.items()), columns = ['Col1', 'Col2'])
print(df)
print("=========")
df2 = pd.DataFrame(list(empDict.items()), columns = ['Fruits', 'Orders'])
print(df2)
在 Python 中将字典转换为 Pandas DataFrame
尽管以上示例效果很好，但您无需做太多工作即可将字典转换为 DataFrame。from_dict() 函数可以转换字典，或者您也可以直接在 DF 函数中使用它。Coll 部分是它会自动分配列名。
empDict = {'name': ['Jhon', 'Mike', 'Dave', 'Kane', 'Rose'],
'Age': [32, 37, 25, 29, 23]}
df1 = pd.DataFrame.from_dict(empDict)
print(df1)
print("== === == == == === == == == ")
df2 = pd.DataFrame(empDict)
print(df2)
name Age
0 Jhon 32
1 Mike 37
2 Dave 25
3 Kane 29
4 Rose 23
== === == == == === == == ==
name Age
0 Jhon 32
1 Mike 37
2 Dave 25
3 Kane 29
4 Rose 23from_dict() 函数有一个 orient 属性，其默认值为 columns，用于从字典中分配列名。如果将 orient 更改为 index，则字典将透视或转置并传递给 df。
empDict = {'name': ['Jhon', 'Mike', 'Dave', 'Kane', 'Rose'],
'Age': [32, 37, 25, 29, 23]}
df1 = pd.DataFrame.from_dict(empDict, orient = 'columns')
print(df1)
print("== == == == == ==")
df2 = pd.DataFrame.from_dict(empDict, orient = 'index')
print(df2)
print("== == == == == ==")
df3 = pd.DataFrame.from_dict(empDict, orient = 'index',
columns = ['a', 'b', 'c', 'd', 'e'])
print(df3)
name Age
0 Jhon 32
1 Mike 37
2 Dave 25
3 Kane 29
4 Rose 23
== == == == == ==
0 1 2 3 4
name Jhon Mike Dave Kane Rose
Age 32 37 25 29 23
== == == == == ==
a b c d e
name Jhon Mike Dave Kane Rose
Age 32 37 25 29 23此 Python 编程语言示例展示了将嵌套字典转换为 pandas DataFrame 的多种方法。
empDict = [{'name': 'Jhon', 'Age': 32, 'Job': 'Developer'},
{'name': 'Dave', 'Age': 29, 'Job': 'Designer'},
{'name': 'Rose', 'Age': 23, 'Job': 'HR'},
{'name': 'Mike', 'Age': 41, 'Job': 'Manager'},
{'name': 'Kane', 'Age': 37, 'Job': 'Admin'} ]
df1 = pd.DataFrame.from_dict(empDict)
print(df1)
print("== == == === == == ==")
df2 = pd.DataFrame(empDict)
print(df2)
name Age Job
0 Jhon 32 Developer
1 Dave 29 Designer
2 Rose 23 HR
3 Mike 41 Manager
4 Kane 37 Admin
== == == === == == ==
name Age Job
0 Jhon 32 Developer
1 Dave 29 Designer
2 Rose 23 HR
3 Mike 41 Manager
4 Kane 37 Admin我们可以使用 columns 参数根据我们的要求删除或重新排序字典列。首先，我们重新排序 Age 和 Job 列。接下来，删除 age 列并添加 Sx 列。这就是为什么它返回带有 NaN 行的 Sx 列的原因。
import pandas as pd
empDict = [{'name': 'Jhon', 'Age': 32, 'Job': 'Developer'},
{'name': 'Dave', 'Age': 29, 'Job': 'Designer'},
{'name': 'Rose', 'Age': 23, 'Job': 'HR'},
{'name': 'Mike', 'Age': 41, 'Job': 'Manager'},
{'name': 'Kane', 'Age': 37, 'Job': 'Admin'} ]
df1 = pd.DataFrame(empDict, columns = ['name', 'Job', 'Age'])
print(df1)
print("== == == === == == ==")
df2 = pd.DataFrame(empDict, columns = ['name', 'Job'])
print(df2)
print("== == == === == == ==")
df3 = pd.DataFrame(empDict, columns = ['name', 'Job', 'Age', 'Sx'])
print(df3)
name Job Age
0 Jhon Developer 32
1 Dave Designer 29
2 Rose HR 23
3 Mike Manager 41
4 Kane Admin 37
== == == === == == ==
name Job
0 Jhon Developer
1 Dave Designer
2 Rose HR
3 Mike Manager
4 Kane Admin
== == == === == == ==
name Job Age Sx
0 Jhon Developer 32 NaN
1 Dave Designer 29 NaN
2 Rose HR 23 NaN
3 Mike Manager 41 NaN
4 Kane Admin 37 NaN这是您可能会看到的字典的实时场景。在这里，我们展示了转换这些类型字典的多种方法。我建议您再尝试一个嵌套的。
empDict = {'Employee': {'Q1': 'Jhon', 'Q2': 'Dave', 'Q3': 'Mike', 'Q4': 'Rose'},
'2018':{'Q1': 1200, 'Q2': 1000, 'Q3': 2500, 'Q4': 600},
'2019':{'Q1': 2500, 'Q2': 3200, 'Q3': 1800, 'Q4': 4500},
'2020':{'Q1': 1700, 'Q2': 3200, 'Q3': 5000, 'Q4': 8000}
}
df1 = pd.DataFrame(empDict)
print(df1)
print("== == == === == == ==")
df2 = pd.DataFrame.from_dict(empDict)
print(df2)
Employee 2018 2019 2020
Q1 Jhon 1200 2500 1700
Q2 Dave 1000 3200 3200
Q3 Mike 2500 1800 5000
Q4 Rose 600 4500 8000
== == == === == == ==
Employee 2018 2019 2020
Q1 Jhon 1200 2500 1700
Q2 Dave 1000 3200 3200
Q3 Mike 2500 1800 5000
Q4 Rose 600 4500 8000这是另一个例子。
empDict = {'Employee': {2018: 'Jhon', 2019: 'Dave', 2020: 'Mike'},
'Q1':{2018: 1200, 2019: 1000, 2020: 2500},
'Q2':{2018: 2500, 2019: 3200, 2020: 1800},
'Q3':{2018: 1700, 2019: 3200, 2020: 5000},
'Q4':{2018: 1600, 2019: 4500, 2020: 8000}
}
df1 = pd.DataFrame(empDict)
print(df1)
print("== == == === == == ==")
df2 = pd.DataFrame.from_dict(empDict)
print(df2)
Employee Q1 Q2 Q3 Q4
2018 Jhon 1200 2500 1700 1600
2019 Dave 1000 3200 3200 4500
2020 Mike 2500 1800 5000 8000
== == == === == == ==
Employee Q1 Q2 Q3 Q4
2018 Jhon 1200 2500 1700 1600
2019 Dave 1000 3200 3200 4500
2020 Mike 2500 1800 5000 8000