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

GD32主程序跑飞？可能是BOOT0引脚惹的祸（附J-LINK调试实录）

本文针对GD32微控制器程序下载后无法运行的典型问题，深入剖析了BOOT0引脚配置对启动模式的关键影响。通过结合J-LINK调试器与KEIL MDK环境，详细演示了如何从程序跑飞现象（如PC指向0x1FFF Fxxx）定位到硬件层面的BOOT0引脚与VDD短路故障，并提供了系统的硬件排查步骤与设计预防建议。

d6e7f8的博客 702

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

KMS服务器一键部署与激活实战指南

本文详细介绍了KMS服务器的一键部署与激活实战指南，包括快速入门、安装步骤、服务管理技巧及常见问题排查。特别针对Windows和Mac用户提供了Office激活的具体操作步骤，并分享了高级配置与优化方案，帮助IT管理员高效管理批量授权激活。

weixin_29305313的博客 459

STM32H743+YT8512C以太网通信实战：CubeMX与LWIP配置详解

本文详细解析了基于STM32H743微控制器与YT8512C PHY芯片的以太网通信实战方案。通过CubeMX工具进行RMII接口、MPU、时钟树等关键硬件配置，并重点阐述了如何修改LWIP协议栈驱动代码以适配YT8512C芯片，解决了LAN8742驱动不兼容的问题。文章提供了从工程创建、代码适配到调试验证的完整步骤，帮助开发者快速实现稳定可靠的嵌入式网络连接。

weixin_29190573的博客 558

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+

Mplus实战：如何用潜在类别分析（LCA）快速搞定心理学数据分类？

本文详细介绍了如何运用Mplus软件进行潜在类别分析（LCA），以快速处理心理学数据并识别内部异质性群体。文章从数据准备、Mplus语法编写、模型拟合与选择，到结果解读与高级应用（如纳入协变量），提供了完整的实战指南，帮助研究者从变量视角转向个体视角，有效挖掘数据中的潜在子类别。

weixin_28318011的博客 408

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

关于对鱼眼相机图片进行畸变校正的两种思路

鱼眼畸变主要表现为径向畸变（Radial Distortion），图像中心正常，边缘向外拉伸。畸变模型通常基于入射角θ\thetaθ（光线与光学轴夹角）和图像半径rrr的关系。等距投影（Equidistant Projection）rdfθrdfθ，其中rdr_drd为畸变图像半径，fff为焦距，θ\thetaθ为入射角。等立体角投影（Equisolid Angle Projection）rd2fsin⁡θ2rd2fsinθ/2。

qq_45670407的博客 1544

华为MA5620配置宽带及语音实例

华为EPON配置实例1、公共部分和宽带PPPOE部分用串口用户名密码root/mduadminMA5620E>enableMA5620E#configMA5620E(config)#MA5620E(config)#sysnamebigcow/给设备起名字/****之前为公共部一、建vlan和地址bigcow(config)#vlan100...

weixin_33862041的博客 6345

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

在 SAP BTP 中为 SAP AI Core 创建 Service Instance 和 Service Key 的完整实战指南

摘要：本文详细介绍了在SAP BTP上创建AI Core服务实例和密钥的关键步骤，这是实现ABAP系统与Gen AI大语言模型集成的核心技术环节。文章通过一个制造业财务问答场景的案例，系统梳理了从前提条件准备、架构理解到具体操作的全过程，重点解析了service instance创建、X.509证书配置等关键节点。特别强调了Extended计划选择、证书格式等易错点，为ABAP开发人员实现Gen AI场景提供了实用指南。

2007 年 ~ 2025 年，深耕 SAP 技术 18 年 270

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

做cellchat画图时自环的角度颠倒，如何解决？

🏆本文收录于《全栈 Bug 调优（实战版）》专栏。专栏聚焦真实项目中的各类疑难 Bug，从成因剖析 → 排查路径 → 解决方案 → 预防优化全链路拆解，形成一套可复用、可沉淀的实战知识体系。无论你是初入职场的开发者，还是负责复杂项目的资深工程师，都可以在这里构建一套属于自己的「问题诊断与性能调优」方法论，助你稳步进阶、放大技术价值。

**My Coding Family** 462

lwip-2.0.3

lwip是瑞典计算机科学院(SICS)的Adam Dunkels 开发的一个小型开源的TCP/IP协议栈。实现的重点是在保持TCP协议主要功能的基础上减少对RAM 的占用。

Python dataframe 某两列变成一个dict

u011412768的博客 4972

温度PID控制PLC程序

温度PID稳定控制程序，适用于欧姆龙PLC，对其他PLC也具有很大参考价值

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

蓝牙模块HM-10手册

蓝牙模块HM-10手册，该手册对蓝牙模块HM-10进行了详细的介绍和使用方法以及一些AT指令。

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