可从 pandas 数据框迭代

Question

我需要创建一个形式为 (id, {feature name: features weight}) 的可迭代对象以使用 python 包。

我的数据存储在 pandas 数据框中，这里有一个例子：

data = pd.DataFrame({"id":[1,2,3],
                    "gender":[1,0,1],
                    "age":[25,23,40]})

对于 {feature name: features weight}) 部分，我知道我可以使用这个：

fe = data.to_dict(orient='records')
Out[28]: 
[{'age': 25, 'gender': 1, 'id': 1},
 {'age': 23, 'gender': 0, 'id': 2},
 {'age': 40, 'gender': 1, 'id': 3}]

我知道我也可以遍历 datframe 来获取 id，像这样：

(row[1] for row in data.itertuples())

但是我可以把这两个放在一起得到一个可迭代的（生成器对象）我试过了：

((row[1] for row in data.itertuples()),fe[i] for i in range(len(data)))

但语法错误。你们知道怎么做吗？

Answer 1

我认为首先需要 set_index by column id and then to_dict 和 orient='index':

fe = data.set_index('id', drop=False).to_dict(orient='index')
print (fe)
{1: {'id': 1, 'gender': 1, 'age': 25}, 
 2: {'id': 2, 'gender': 0, 'age': 23},
 3: {'id': 3, 'gender': 1, 'age': 40}}

Answer 2

pd.DataFrame.itertuples returns named tuples. You can iterate and convert each row to a dictionary via the purpose-built method _asdict。您可以将其包装在生成器函数中以创建惰性 reader:

data = pd.DataFrame({"id":[1,2,3],
                    "gender":[1,0,1],
                    "age":[25,23,40]})

def gen_rows(df):
    for row in df.itertuples(index=False):
        yield row._asdict()

G = gen_rows(data)

print(next(G))  # OrderedDict([('age', 25), ('gender', 1), ('id', 1)])
print(next(G))  # OrderedDict([('age', 23), ('gender', 0), ('id', 2)])
print(next(G))  # OrderedDict([('age', 40), ('gender', 1), ('id', 3)])

请注意，结果将是 OrderedDict 个对象。作为 dict 的子类，对于大多数用途来说这应该足够了。

可从 pandas 数据框迭代

iterable from pandas dataframe

python

iterable

dataframe

python-3.x

pandas