将pandas的两列组装成key,value类型的 list

墨衍会员 · AI 创作全网分发 墨衍智能分发 本文由作者通过墨衍一键同步至各平台 1分发平台 2.3k累计阅读 2.3k平均单平台已同步平台优快云微信公众号微博知乎掘金百家号博客园抖音小红书 你的文章也可以这样分发 墨衍会员 ¥399起/年，写一次发全网我也要 → 码龄10年

关注

原创最新推荐文章于 2026-06-25 12:41:37 发布 2.3k 阅读 AI 写同款· GEO 优化 ›

Pandas melt详解：宽表转长表的核心原理与实战避坑指南宽表转长表是数据分析中基础却关键的数据重塑操作，其本质是将人眼友好的行列结构，重构为机器可计算的观测单元模式。该过程涉及id_vars（维度锚点）、value_vars（指标集合）、var_name与value_name（语义命名）等核心参数，直接影响后续groupby聚合、seaborn可视化及scikit-learn特征工程的可行性。实践中常见类型污染、空值隐式降级、多级索引报错、正则匹配漏列等问题，根源在于对melt‘显式声明结构意图’这一设计哲学理解不足。本文结合电商销售、用户行为、A/B测试等真实阅读详情

keys = df['A'].tolist() # 列A
values = df['B'].tolist() # 列B
dict_list = dict(zip(keys, values))

dict_list 就是想要的数据格式

收录于

python

当前文章被收录于：

python

6 篇文章 0 人学习

订阅专栏查看详情

当前文章被以下社区和专栏收录：

标签

#pandas

Python计数陷阱：Counter、count()与value_counts()选型指南在数据处理中，'计数'是基础却高危的操作——表面简单，实则暗藏类型隐式转换、缺失值语义歧义、性能复杂度误判等深层风险。理解`count()`的O(n)单次探测本质、`Counter`的O(1)查询与负数安全机制、以及`pandas.value_counts()`对NaN的默认忽略逻辑，是保障统计准确性的前提。这些工具并非功能重叠，而是面向不同场景：列表单值校验、全量频率建模、表格语义化分布分析。真实项目中，错误计数会直接导致ETL失真、A/B测试偏差和模型长尾失效。本文聚焦Python生态下三类核心计数方法阅读详情

相关推荐

Python之pandas：将dict字典格式数据保存为dataframe格式数据的几种方法

Python之pandas：将dict字典格式数据保存为dataframe格式数据的几种方法目录将dict字典格式数据保存为dataframe格式数据的几种方法将dict字典格式数据保存为dataframe格式数据的几种方法 # (1)、当字典中value数据为scalar values格式而非list格式时 # T1、通过设置index参数实现 # (1)、当字典中value数据为scalar values格式而非list格式时 # T1、通过设置index参数实现 impo

头部AI社区如有邀博主AI主题演讲请私信—心比天高，仗剑走天涯，保持热爱，奔赴向梦想！低调，专注，谦虚，自律，反思，成长，还算比较正能量的博主，公益免费传播…内心特别想在AI界做出一些可以推进历史进程影响力的技术(兴趣使然，有点小情怀，也有点使命感呀 3004

python，字典转存为pandas，key为列，value为行，索引重命名

Python中，使用pandas进行数据处理和存储非常方便，同样，字典的使用也是很多操作中不可或缺的。本文主要是记录在使用过程中的经历，总结和分享，便于日后查看。任务1：将字典的keys作为pandas的列名称，values作为pandas的行数据废话不多说，直接上代码，结果一目了然： import pandas as pd dct = {'key1': [1, 4], 'key2': [2, 5], 'key3': [3, 6]} dataframe = pd.DataFrame(dct, in.

AI智能，无处不在 6181

倍福TC3 PLC高速采集实战：如何用PLC-Recorder实现0.24ms级时间戳同步

本文详细介绍了倍福TC3 PLC与PLC-Recorder实现0.24ms级时间戳同步的工程实践方案。通过硬件拓扑设计、时间源选择优化、报文结构封装及同步验证方法，为工业自动化领域的高精度数据采集提供了可靠解决方案，特别适用于精密装配、激光切割等微秒级同步要求的场景。

weixin_29193359的博客 371

pandas对excel文件操作

python将字典数据存入excel文件方法 1. 字典的key和value各为一列 import pandas as pd data = {'北京市': 73, '广东省': 53, '江苏省': 47, '上海市': 37, '四川省': 23} def save_data(data): # 将字典列表转换为DataFrame pf=pd.DataFrame() pf['your_name'] = list(data.keys()) pf['your_name

qq_38920340的博客 371

COMSOL新手必看：锂电池仿真从入门到精通的5个实战案例（附模型文件）

本文为COMSOL新手提供锂电池仿真的5个实战案例，涵盖锂枝晶生长模拟、电池热失控预警、SOC估计等效电路模型、电池组液冷系统热管理及SOH衰退模型构建。通过详细步骤和参数设置，帮助用户快速掌握锂电池仿真技术，提升新能源研发效率。附模型文件可直接应用。

wdx01234567的博客 259

拯救者R7000P(2021)装双系统Ubuntu20.04 解决联发科MT7921无线网卡在Ubuntu中不能联网

拯救者R7000P(2021)装双系统Ubuntu20.04/Ubuntu18.04 电脑配置：联想拯救者R7000P CPU：AMD R7-5800H GPU:RTX3060-6G 内存：16GB 固态：500G(原装)+500(加装) 1.做系统盘（本文以Ubuntu20.04为例） 1.下载Ubuntu20.04镜像直接去Ubuntu官网或者一些国内的镜像去下载都可以，这里给出一个网址https://ubuntu.com/download/desktop，根据需要下载自己学要的Ubuntu版本，后缀

qq_41108639的博客 1万+

pandas两列转换成字典的健和值

文章目录两列转换成字典的key和value列名变成字典的key 两列转换成字典的key和value df: name age Mary 26 Sellina 28 Zaca 27 想将name这列变成字典的健，年龄对应成字典的值，健值对应如下： {‘Mary’:26,‘Sellina’:28,‘Zaca’:27} import pandas as pd import pandas as pd a = ['Mary','Sellina','Zaca'] b = [26,28,27]

mao15827639402的博客 1万+

LAMMPS in文件详解：从零开始手把手教你配置金属分子动力学模拟

本文详细解析了LAMMPS in文件的配置方法，手把手教你完成金属分子动力学模拟的全流程。从软件环境准备、势函数选择，到使用Materials Studio构建模型、编写in文件进行能量最小化与系统弛豫，再到实施单轴拉伸生产模拟并提取应力应变数据，最后通过Python和OVITO进行结果分析与可视化，提供了完整的实战指南和常见问题排查技巧。

weixin_28475533的博客 527

python中unstack_python使用_pandas_用stack和unstack进行行列重塑（key-value变宽表）

数据结构的重塑(reshape)与数据库交互时常遇到堆叠格式(key-value)和宽表形式(dataframe)的转换，如：堆叠格式：宽表形式dataframe：下面是相互转换的示例代码：import pandas as pdimport numpy as np# 常用的表格形式的数据结构df = pd.DataFrame(np.arange(6).reshape((2,3)), index...

weixin_32911063的博客 302

【反蒸馏实战 00】AI抢不走的工作：一份针对30个“高危”职位的“反取代”实战手册（反蒸馏计划启动）

AI时代职场生存指南：30个技术岗位的“反蒸馏”实战策略随着AI技术快速发展，职场正面临前所未有的结构性重构。本系列专栏聚焦30个技术岗位，深入分析AI对各职位的影响路径，并提供系统性的"反蒸馏"策略。通过5层分析框架（AI冲击现状、核心价值解构、AI天花板、能力升级路径、人机协作模式），帮助从业者识别可替代任务与核心价值，建立不可替代的专业优势。内容涵盖IT开发、数据分析、产品管理等技术领域，为职场人提供从“被AI替代”到“与AI协同”的转型路线图，守护职业价值。

专注于人工智能、软件开发、工控自动化、工厂数字化及智能化等领域，希望和大家共同进步！ 1646

aic8800出现insmod: can‘t insert ‘/lib/modules/4.9.191/aic8800_fdrv.ko‘: No such device

2、如果单独编译wifi驱动，则把CONFIG_PLATFORM_UBUNTU?= y都改为CONFIG_PLATFORM_ALLWINNER?1、如果把wifi驱动嵌入到内核编译，则在makefile中加入这一句。后面再修改对应平台的交叉编译链和内核吗路径等。

mantouyouyou的博客 509

pandas基础篇一

pandas基础篇一、进入pandas世界二、创建索引序列三、检查是否缺失数据，给自身和标签（索引）对象命名四、二维序列DataFrame五、二维序列的索引六、dataframe 构造函数的有效输入七、索引对象八、重建索引九、轴向上删除条目十、索引选择和过滤十一、更加方便的选择数据十二、pandas 中的算数和数据对齐十三、排序和排名十四、描述性统计的概述与计算十五、唯一值、计数和成员属性本文pandas模块调用时默认写为pd 一、进入pandas世界 1、Series 是一种一维的数组型对象，它包含了一

ClementCXL的博客 1505

SAM3 LoRA Fine-Tuning|SAM3微调（完全对齐官方训练和配置）

本文介绍了基于官方SAM3模型使用LoRA技术进行图像目标检测与分割微调的项目。项目完全对齐官方训练配置，支持多类别高效微调，且不影响原模型的开放词汇提示能力。微调后模型在航拍图像中对道路、车辆等目标的分割效果显著提升，误检率降低。项目提供完整的训练和推理流程：支持双卡并行训练，显存需求大（完整微调需30G+显存）提供训练脚本和配置文件，可灵活调整参数包含推理可视化工具，支持与原模型效果对比，内置训练结果分析工具，可生成指标对比图数据集采用COCO格式。

weixin_46248968的博客 356

pandas 两列的值转dict

1、把dataframe中的某两列变成一个key-value形式的dict 代码如下： import pandas as pd df = pd.DataFrame({'A': ['a', 'b', 'c'], 'B': [2, 7, 1], 'C': [100, 87, 96]}) # 形成以A为key,B为value的dict dc = df.set_index("A")["B"].to_dict() p...

midae的博客 2130

【系统架构设计师-2025上半年真题】综合知识-参考答案及详解（75题完全回忆版）

【系统架构设计师-2025上半年真题】案例分析-参考答案及部分详解

数据知道的博客 1万+

SIMATIC S7-1200, S7-1500 PID 控制[手册]

Python dataframe 某两列变成一个dict

u011412768的博客 4972

ET2012新版免狗免安装绿色软件

ET2012新版免狗免安祖昂绿色软件。，新界面，新视觉，

python pandas 转list_Pandas把dataframe或series转换成list的方法

把dataframe转换为list输入多维dataframe：df = pd.DataFrame({'a':[1,3,5,7,4,5,6,4,7,8,9], 'b':[3,5,6,2,4,6,7,8,7,8,9]})把a列的元素转换成list：# 方法1df['a'].values.tolist() # 方法2df['a'].tolist()把a列中不重复的元素转换成list：df['a'].dr...

weixin_39635432的博客 2373

android 蓝牙通讯demo

android 下蓝牙通讯demo，实现了发现蓝牙，使能蓝牙，通过蓝牙发送消息。

迈瑞BS系列全自动生化分析仪LIS协议接口手册(内含HL7和ASTM)

迈瑞BS系列全自动生化分析仪LIS协议接口手册，内含HL7和ASTM)

Pandas把dataframe或series转换为Python常用类型

Dataframe有自带的方法可以将Dataframe转换为字典的格式。但是，这种方法是复合的字典，每一列以dataframe的index为key而不是某一列的值，每一列的值作为字典的value，然后再将所有的列放在一个字典里面。有时候我们需要Dataframe中的一列作为key，另一列作为key对应的value。其实我们把key列作为index，再用上面的方法也可以实现一列为字典key，另一列为value。在使用时需要注意的是，这种方法输出的字典也是复合的字典，有一个用做字典value的列的列名。

ithongchou的博客 518

pandas 入门：DataFrame的创建，读写，插入和删除

本文介绍了Pandas创建和读取DataFrame的核心操作方法。主要内容包括：1）通过读取CSV/Excel文件、字典、数组或创建空DataFrame四种方式构建DataFrame；2）使用列名、列号或.loc/.iloc方法按列读取数据；3）通过行标签（.loc）、行号（.iloc）或已弃用的.ix方法按行读取数据；4）使用双重索引或.loc[row,col]格式按单元格精确读取数据。文章通过代码示例详细演示了各种操作方法的区别与适用场景，特别强调了索引设置对数据读取的影响，是Pandas基础操作的实用

不去想结果，一直在路上 30万+

python list和series转换dataframe_Pandas把dataframe或series转换成list的方法

weixin_30896727的博客 2453

【20211028】【Python】统计Series/List类型的数据中某元素出现的个数

1. value_count() 方法 pandas 中 value_count() 是一种查看表格某列中有多少个不同值的快捷方法，并计算每个不同值在该列中有多少重复值。注意：value_counts() 是 Series 类型的数据拥有的方法，DataFrame 类型的数据不可以直接用，需要指定对哪一行或哪一列使用（DataFrame 取某列、行之后，就是 Series 类型了）。（参考：pandas中.value_counts()的用法） ...

诗小葵的博客 7144

python 统计list中各个元素出现的次数

python 统计list中各个元素出现的次数利用Python字典统计利用Python的collection包下Counter的类统计利用Python的pandas包下的value_counts的类统计利用字典dict来完成统计举例：a = [1, 2, 3, 1, 1, 2] dict = {} for key in a: dict[key] = dict.get(key, 0)

sinat_24091225的博客 18万+

stream List 转map ，重复的key，value转为集合

https://blog.youkuaiyun.com/qianhuan_/article/details/107462638

Pichairen 2302

Python数据分析：pandas之Excel详解

pandas操作excel详解

人不风流枉少年 1万+

python统计字典里面value出现的次数_python 统计list中各个元素出现的次数的几种方法...

利用字典dict来完成统计举例：a = [1, 2, 3, 1, 1, 2]dict = {}for key in a:dict[key] = dict.get(key, 0) + 1print dict输出结果：>>>{1: 3, 2: 2, 3: 1}利用Python的collection包下Counter的类举例：from collections import Counte...

weixin_30187777的博客 6793

Python中List与Tuple的本质区别与工程选型指南

List和Tuple是Python最基础的序列类型，但二者在内存布局、可变性契约与运行时行为上存在根本差异。List基于动态数组实现，支持原地增删改，适用于栈、队列及中间计算；Tuple则是固定大小结构体，不可变且可哈希，天然适配缓存键、配置元组、函数解包等场景。其性能差异源于字节码层面：BUILD_TUPLE近乎零开销，而BUILD_LIST需多次扩容与引用管理。在电商秒杀、金融风控、IoT采集等高并发系统中，错误选用list替代tuple会导致CPU升高、内存泄漏及哈希失效。本文结合CPython源码逻

530

上一篇： es 报错： index read-only / allow delete (api)];"} 索引只读的解决方案

下一篇： google 文件下载缓存问题及解决方案

Python之pandas：将dict字典格式数据保存为dataframe格式数据的几种方法

头部AI社区如有邀博主AI主题演讲请私信—心比天高，仗剑走天涯，保持热爱，奔赴向梦想！低调，专注，谦虚，自律，反思，成长，还算比较正能量的博主，公益免费传播…内心特别想在AI界做出一些可以推进历史进程影响力的技术(兴趣使然，有点小情怀，也有点使命感呀

06-29

3004