Question

我正尝试从Pandas数据框中创建table_data字典，如下所示：

import pandas as pd

d = {
    'Name': ['John', 'Tom', 'Jack', 'Jill'],
    'Age': [42, 53, 18, 22],
    'City': ['London', 'New York', 'Bangkok', 'Warsaw']
}

df = pd.DataFrame(d)

table_data = dict(
        headers = [[header] for header in list(df)],
        columns = [df[header].tolist() for header in list(df)],
)

print(table_data)

有什么方法可以避免对list(df)进行两次迭代，并将这两个列表理解转换为一个吗？还是违反列表理解的目的，我应该改用普通的旧for循环，像这样吗？：

import pandas as pd

d = {
    'Name': ['John', 'Tom', 'Jack', 'Jill'],
    'Age': [42, 53, 18, 22],
    'City': ['London', 'New York', 'Bangkok', 'Warsaw']
}

df = pd.DataFrame(d)

headers = []
columns = []
table_data = {
    'headers': headers,
    'columns': columns,
}
for header in list(df):
    table_data['headers'].append([header])
    table_data['columns'].append(df[header].tolist())

print(table_data)

Answer 1

类似这样的东西：

header = [list(df.columns.values)]
values = df.values.T
table_data = dict(headers=header, columns=values)

Answer 2

是的，可以通过首先创建元组，然后创建zip并将元组转换为列表来实现：

L = [([header],df[header].tolist())  for header in list(df)]
h, c = zip(*L)

table_data = dict(
        headers = list(h),
        columns = list(c),
)

非循环解决方案：

table_data = dict(
        headers = df.columns.to_frame().values.tolist(),
        columns = df.T.values.tolist(),
)
print(table_data)

将两个列表理解变成一个？

2 个答案: