哈喽，大家好，今天给大家介绍一下，如何将dataframe转换为字典。
1.转换为字典
我们要想将dataframe转换为字典需要用到to_dict函数，具体用法如下：
dataframe.to_dict(orient=' ')
转换形式主要以下几种：
①dict。默认形式，像 {column -> {index -> value}} 这样的字典。
举例：
我们首先新建一组数据如下所示：
我们想要转换为dict形式这样写：
df.to_dict()
转换结果如下,形式就像 {column -> {index -> value}} ，列名为键名，每行作为对应的值。
②list。像 {column -> [values]} 这样的字典
举例：
我们试着转换为list形式：
df.to_dict('list')
转换结果如下，格式如{column -> [values]} 这样的字典，与dict不同的是，对应的值是以列表形式出现。
③series。转换形式为 {column -> Series(values)}
举例：
我们转换为series形式：
df.to_dict('series')
转换结果如下，与上面两种转换形式不同的是，对应的值和行名是并列出现的：
④split。转换形式像 {'index' -> [index], 'columns' -> [columns], 'data' -> [values]}。
举例：
我们将dataframe转换为split形式：
df.to_dict('split')
转换结果如下，列名和行名、值单独用字典的形式展现：
⑤tight。转换形式更加复杂一些，类似于这样：
{'index' -> [index], 'columns' -> [columns], 'data' -> [values], 'index_names' -> [index.names], 'column_names' -> [列名]}
举例：
我们将dataframe转换为tight形式：
df.to_dict('tight')
转换结果如下，跟上面转换为split形式很相似：
⑥records。转换形式类似 [{column -> value}, ... , {column -> value}] 的列表
举例：
我们将dataframe转换为tight形式：
df.to_dict('records')
转换结果如下，和上面的相比都比较简洁，是由列名和值相对应起来的：
⑦index。转换形式类似于 {index -> {column -> value}} 这样的字典，跟dic形式很想：
举例：
将数据转换为index形式：
df.to_dict('index')
转换结果如下：
好了，今天的内容就先到这里吧，明天见！
","imageList":[],"mediaInfo":{"userId":"MS4wLjABAAAA3o0pPrCJhHvulPOhMoaxJtD_SOW3HqyjQKudq2X11Dw","unsafeUserId":"58648297663","name":"Python教程初学详解","avatarUrl":"https://p9.toutiaoimg.com/origin/tos-cn-i-jcdsk5yqko/a9ff1ef5702942709a6036c70adfed51","description":"关注公众号：Python教程初学详解。零基础入门Python，Python爬虫案例详解，Python编程与实战案例，免费领取学习资料！","userVerified":1},"seoTDK":{"title":"一篇文章教会你如何将数据转换为字典-今日头条","description":"哈喽，大家好，今天给大家介绍一下，如何将dataframe转换为字典。1.转换为字典我们要想将dataframe转换为字典需要用到to_dict","keywords":"文章","publishTimestamp":"1655989200","modifiedTimestamp":"1655995657"},"logId":"202206241512080101401711380C828005","sylpageConfig":{"card":{"id":""}},"identity":{"web_id":"7111199547455817229","user_is_login":false},"abtestInfo":{"rsp_type":5,"version_name":"4252807,4164637","parameters":{"feat_repost_type":{"new":true},"home_nav_conf":{"dcd_out":1},"local_filter":{"core_filter":{"filter_list":{"ms::TicaiFilter":true}}},"page_upgrade":{"new_profile":true,"video_double_column":true},"sati":{"enable_ad_prime":true,"enable_sorter_optimus":true,"prime_rule_rank_version":"toutiao_web","use_toutiao_web_feed":true,"format_max_consecutive_middle":2,"format_max_consecutive_nogroups":3,"enable_reduce_nogroup":true},"seraph":{"score_rule":{"default":{"replace":{"group_util":"_CTR - 1000*dislike"}},"new_user":{"replace":{"group_util":"_CTR - 1000*dislike"}}}},"sort":{"allowed_ticai":["forum_post","pgc_text","pgc_video"]},"video_detail_page_upgrade":{"new_page":true}},"env_flag":0},"localCityInfo":{"name":"北京","code":"110000","channelId":3202164529},"showResearch":false}}
