DataFrame.to_dict() 方法代码实例、

可以通过以下代码将 DataFrame 转换为字典：

import pandas as pd

# 创建 DataFrame
df = pd.DataFrame({'col1': [1, 2, 3], 'col2': ['A', 'B', 'C']})

# 将 DataFrame 转换为字典
df_dict = df.to_dict()
print(df_dict)

输出结果如下：

{'col1': {0: 1, 1: 2, 2: 3}, 'col2': {0: 'A', 1: 'B', 2: 'C'}}

需要注意的是，to_dict() 方法默认返回的字典格式为列名为键，每列数据为值的嵌套字典。如果要将行名也包括在字典中，可以使用 orient='index' 参数：

df_dict = df.to_dict(orient='index')
print(df_dict)

输出结果如下：

{0: {'col1': 1, 'col2': 'A'}, 1: {'col1': 2, 'col2': 'B'}, 2: {'col1': 3, 'col2': 'C'}}

希望可以解决您的问题。

相关问题

plots = attachment1[['地块名称', '地块类型', '地块面积/亩 ']].to_dict('records')

`plots` 是一个DataFrame的实例，它通过 `attachment1` 数据框选择了三列：'地块名称'，'地块类型' 和 '地块面积/亩'。`to_dict('records')` 方法将这个子集转换成一个Python字典列表（每个字典对应一行数据），其中键是列名，值是相应的单元格值。

举个例子，假设`attachment1`的数据如下：

| 地块名称 | 地块类型 | 地块面积/亩 |
| --- | --- | --- |
| A区 | 商业 | 100 |
| B区 | 住宅 | 200 |
| C区 | 工业 | 300 |

那么，`plots` 变量将会是：

[
    {'地块名称': 'A区', '地块类型': '商业', '地块面积/亩': 100},
    {'地块名称': 'B区', '地块类型': '住宅', '地块面积/亩': 200},
    {'地块名称': 'C区', '地块类型': '工业', '地块面积/亩': 300}
]

你可以遍历这个列表来访问特定地块的信息，例如找到面积最大的地块：

max_area_plot = max(plots, key=lambda x: x['地块面积/亩'])
print(f"面积最大的地块是 {max_area_plot['地块名称']}，面积为 {max_area_plot['地块面积/亩']}/亩")

cls.params["folderId"] = folder_id res = requests.get(url=cls.url, params=cls.params) js_data = json.loads(res.text)["data"] js_data_folders: list[dict] = js_data["FoldersInfo"] js_data_files: list[dict] = js_data["FilesInfo"] df = pd.concat([df, pd.DataFrame(js_data_files)], axis=0) ft = pd.concat([ft, pd.DataFrame(js_data_folders)], axis=0) folders_to_process = js_data_folders.copy() while folders_to_process: folder_id = folders_to_process.pop(0)["FolderId"] cls.params["folderId"] = folder_id res = requests.get(url=cls.url, params=cls.params) js_data = json.loads(res.text)["data"] js_data_folders: list[dict] = js_data["FoldersInfo"] js_data_files: list[dict] = js_data["FilesInfo"] df = pd.concat([df, pd.DataFrame(js_data_files)], axis=0) ft = pd.concat([ft, pd.DataFrame(js_data_folders)], axis=0) folders_to_process.extend(js_data_folders) return df, ft 优化这段代码

这段代码已经进行了一些优化，但是还有一些可以改进的地方：

1. 需要确保请求返回的数据格式和结构是正确的，否则可能会导致代码出错。可以添加一些异常处理机制，例如使用 try-except 捕获异常并记录错误日志。
2. 对于返回的数据，可以使用 data.get("FoldersInfo", []) 和 data.get("FilesInfo", []) 来获取需要的信息，这样可以避免出现 Key Error 的问题。
3. 可以使用列表推导式来简化代码，例如使用 [x["FolderId"] for x in js_data_folders] 来获取所有文件夹的 ID。

下面是一个可能的优化方案：

def get_all_file_info(cls, folder_id, df, ft):
    """
    获取指定文件夹及其子文件夹中的所有文件和文件夹信息
    :param cls: 类实例
    :param folder_id: 文件夹 ID
    :param df: 文件信息 DataFrame
    :param ft: 文件夹信息 DataFrame
    :return: 文件信息 DataFrame 和文件夹信息 DataFrame
    """
    try:
        cls.params["folderId"] = folder_id
        res = requests.get(url=cls.url, params=cls.params)
        res.raise_for_status()
        data = json.loads(res.text)["data"]
    except (requests.HTTPError, ValueError) as e:
        logging.error(f"Failed to get file info for folder {folder_id}: {e}")
        return df, ft

    js_data_folders = data.get("FoldersInfo", [])
    js_data_files = data.get("FilesInfo", [])

    df = pd.concat([df, pd.DataFrame(js_data_files)], axis=0)
    ft = pd.concat([ft, pd.DataFrame(js_data_folders)], axis=0)

    folders_to_process = [x["FolderId"] for x in js_data_folders]
    while folders_to_process:
        folder_id = folders_to_process.pop(0)
        try:
            cls.params["folderId"] = folder_id
            res = requests.get(url=cls.url, params=cls.params)
            res.raise_for_status()
            data = json.loads(res.text)["data"]
        except (requests.HTTPError, ValueError) as e:
            logging.error(f"Failed to get file info for folder {folder_id}: {e}")
            continue

        js_data_folders = data.get("FoldersInfo", [])
        js_data_files = data.get("FilesInfo", [])

        df = pd.concat([df, pd.DataFrame(js_data_files)], axis=0)
        ft = pd.concat([ft, pd.DataFrame(js_data_folders)], axis=0)
        folders_to_process.extend([x["FolderId"] for x in js_data_folders])

    return df, ft

这个优化方案添加了异常处理机制，使用了 data.get() 方法来获取需要的信息，并使用了列表推导式来获取所有文件夹的 ID。如果请求出错，会记录错误日志并跳过当前文件夹的处理。