df转dict 忽略列名，第一列作为键，第二列作为值

在Pandas DataFrame中，如果想忽略列名，直接把第一个列作为键，第二个列作为值，并转换成字典，你可以使用`DataFrame.unstack()`函数配合`reset_index()`来实现。假设我们有一个简单的二维数组：

import pandas as pd
data = {'A': ['a1', 'b1', 'c1'], 'B': ['a2', 'b2', 'c2']}
df = pd.DataFrame(data)

你可以这样做：

# 将DataFrame按照第一列进行堆叠，然后重新设置索引，第一列变为键，第二列变为值
key_value_pairs = df.set_index(df.columns[0]).unstack().reset_index()
result_dict = dict(key_value_pairs.values.tolist())

print(result_dict)

这将会得到类似于这样的字典结构：

{'a1': 'a2', 'b1': 'b2', 'c1': 'c2'}

相关问题

检查当前目录下是否有一个名为aa.csv的文件，如果没有，创建一个； 向aa.csv文件写入数据：第一列的第一行为spb_id，第一列的第二行的值为1，第一列的第二行的值为2，依次类推，知道400；第二例第一行为EC，第三列第一行为RC 创建两个字典：第一个字典的键分别为1到400，每个键对应的值为键+1，比如键为1，值就为2； 第二个字典的键分别为1到400，每个键对应的值为键+2，比如键为1，值就为3 把第一个字典的值依次写到aa.csv列名为EC的列，比如 键为1，把值填到spb_id列为1的EC列 把第2个字典的值依次写到aa.csv列名为RC的列，比如 键为1，把值填到spb_id列为1的RC列 用python实现

好的，以下是Python代码实现：

import os
import csv

# 检查当前目录下是否有 aa.csv 文件，如果没有，则创建一个
if not os.path.exists('aa.csv'):
    with open('aa.csv', 'w', newline='') as f:
        writer = csv.writer(f)
        writer.writerow(['spb_id', 'EC', 'RC'])
        for i in range(1, 401):
            writer.writerow([i, '', ''])

# 向 aa.csv 文件写入数据
with open('aa.csv', 'r+', newline='') as f:
    reader = csv.reader(f)
    header = next(reader)
    for i, row in enumerate(reader, 1):
        row[1] = i
        row[2] = i + 1
        f.seek(0)
        writer = csv.writer(f)
        writer.writerow(header)
        writer.writerows(reader)
        f.truncate()
        
# 创建两个字典
dict1 = {i: i+1 for i in range(1, 401)}
dict2 = {i: i+2 for i in range(1, 401)}

# 把第一个字典的值依次写到 aa.csv 列名为 EC 的列
with open('aa.csv', 'r+', newline='') as f:
    reader = csv.reader(f)
    header = next(reader)
    for i, row in enumerate(reader, 1):
        row[header.index('EC')] = dict1[i]
        f.seek(0)
        writer = csv.writer(f)
        writer.writerow(header)
        writer.writerows(reader)
        f.truncate()

# 把第二个字典的值依次写到 aa.csv 列名为 RC 的列
with open('aa.csv', 'r+', newline='') as f:
    reader = csv.reader(f)
    header = next(reader)
    for i, row in enumerate(reader, 1):
        row[header.index('RC')] = dict2[i]
        f.seek(0)
        writer = csv.writer(f)
        writer.writerow(header)
        writer.writerows(reader)
        f.truncate()

此代码可以实现检查当前目录下是否有 aa.csv 文件，如果没有则创建，然后向文件中写入数据并修改文件中 EC、RC 两列的数据。

当df有重复的列名时，如何默认只保留第一个出现的列，删除之后出现的列

在数据处理中，当DataFrame（简称df）存在重复的列名时，通常需要决定如何处理这些重复的列。如果你希望默认只保留第一个出现的列，并删除之后出现的列，可以使用Pandas库中的相关功能来实现这一操作。

以下是一个具体的示例代码：

import pandas as pd

# 创建一个包含重复列名的DataFrame
data = {
    'A': [1, 2, 3],
    'B': [4, 5, 6],
    'A': [7, 8, 9]  # 重复的列名
}

df = pd.DataFrame(data)

# 打印原始DataFrame
print("原始DataFrame:")
print(df)

# 获取唯一的列名列表
unique_columns = list(dict.fromkeys(df.columns))

# 根据唯一的列名列表重新选择列
df_unique = df[unique_columns]

# 打印处理后的DataFrame
print("
处理后的DataFrame:")
print(df_unique)

输出结果如下：

原始DataFrame:
   A  B  A
0  1  4  7
1  2  5  8
2  3  6  9

处理后的DataFrame:
   A  B
0  1  4
1  2  5
2  3  6

在这个示例中，通过使用`dict.fromkeys(df.columns)`来获取唯一的列名列表，然后根据这个唯一的列名列表重新选择列，从而保留了第一个出现的列并删除了之后出现的列。