如何使用 df.to_dict() 轻松共享示例数据框-IT科技

摘要：问题描述：尽管有关于如何提出一个好问题？和如何创建一个最小、可重现的示例的明确指导，但许多人似乎只是忽略了在他们的问题中包含一个可重现的数据样本。那么，当简单的方法不够时，什么是重现数据样本的实用且简单的方法呢pd.DataFrame(np.random.random(size=(5, 5)))？例如，如何使...

问题描述：

尽管有关于如何提出一个好问题？和如何创建一个最小、可重现的示例的明确指导，但许多人似乎只是忽略了在他们的问题中包含一个可重现的数据样本。那么，当简单的方法不够时，什么是重现数据样本的实用且简单的方法呢pd.DataFrame(np.random.random(size=(5, 5)))？例如，如何使用df.to_dict()并将输出包含在问题中？

解决方案 1：

答案：

在许多情况下，使用方法df.to_dict()就可以完美地完成工作！以下是我想到的两种情况：

案例 1： 你已从本地源用 Python 构建或加载了一个数据框

情况 2： 你在另一个应用程序（例如 Excel）中有一个表格

详细信息：

案例 1： 你有一个从本地源构建或加载的数据框

假设你有一个名为的 pandas 数据框df，只需

df.to_dict()在控制台或编辑器中运行，然后
复制格式化为字典的输出，并
将内容粘贴到pd.DataFrame(<output>)您现在可重现的代码片段中并将其包含在其中。

情况 2： 你在另一个应用程序（例如 Excel）中有一个表格

根据源和分隔符（例如(',', ';' '\s+')后者表示任何空格），您可以简单地：

Ctrl+C内容
df=pd.read_clipboard(sep='\s+')在控制台或编辑器中运行，然后
运行df.to_dict()，并且
包括输出df=pd.DataFrame(<output>)

在这种情况下，你的问题的开头应该是这样的：

import pandas as pd
df = pd.DataFrame({0: {0: 0.25474768796402636, 1: 0.5792136563952824, 2: 0.5950396800676201},
                   1: {0: 0.9071073567355232, 1: 0.1657288354283053, 2: 0.4962367707789421},
                   2: {0: 0.7440601352930207, 1: 0.7755487356392468, 2: 0.5230707257648775}})

当然，如果数据帧较大，这种方法会有点笨拙。但通常情况下，任何想要回答你的问题的人只需要一点现实世界的数据样本，就可以考虑你的数据结构。

有两种方法可以处理更大的数据帧：

运行df.head(20).to_dict()仅包含第一个20 rows，并且
使用例如更改字典的格式df.to_dict('split')（除此之外还有其他选项'split'）将您的输出重塑为需要更少行的字典。

下面是使用iris数据集的一个例子，以及 plotly express 中可用的其他地方。

如果你只是运行：

import plotly.express as px
import pandas as pd
df = px.data.iris()
df.to_dict()

这将产生近 1000 行的输出，并且作为可重现的样本不太实用。但是如果你包括.head(25)，你将得到：

{'sepal_length': {0: 5.1, 1: 4.9, 2: 4.7, 3: 4.6, 4: 5.0, 5: 5.4, 6: 4.6, 7: 5.0, 8: 4.4, 9: 4.9},
 'sepal_width': {0: 3.5, 1: 3.0, 2: 3.2, 3: 3.1, 4: 3.6, 5: 3.9, 6: 3.4, 7: 3.4, 8: 2.9, 9: 3.1},
 'petal_length': {0: 1.4, 1: 1.4, 2: 1.3, 3: 1.5, 4: 1.4, 5: 1.7, 6: 1.4, 7: 1.5, 8: 1.4, 9: 1.5},
 'petal_width': {0: 0.2, 1: 0.2, 2: 0.2, 3: 0.2, 4: 0.2, 5: 0.4, 6: 0.3, 7: 0.2, 8: 0.2, 9: 0.1},
 'species': {0: 'setosa', 1: 'setosa', 2: 'setosa', 3: 'setosa', 4: 'setosa', 5: 'setosa', 6: 'setosa', 7: 'setosa', 8: 'setosa', 9: 'setosa'},
 'species_id': {0: 1, 1: 1, 2: 1, 3: 1, 4: 1, 5: 1, 6: 1, 7: 1, 8: 1, 9: 1}}

现在我们取得了一些进展。但根据数据的结构和内容，这可能无法以令人满意的方式涵盖内容的复杂性。但您可以通过以下方式在更少的行中包含更多数据：to_dict('split')

import plotly.express as px
df = px.data.iris().head(10)
df.to_dict('split')

现在你的输出将如下所示：

{'index': [0, 1, 2, 3, 4, 5, 6, 7, 8, 9],
 'columns': ['sepal_length',
  'sepal_width',
  'petal_length',
  'petal_width',
  'species',
  'species_id'],
 'data': [[5.1, 3.5, 1.4, 0.2, 'setosa', 1],
  [4.9, 3.0, 1.4, 0.2, 'setosa', 1],
  [4.7, 3.2, 1.3, 0.2, 'setosa', 1],
  [4.6, 3.1, 1.5, 0.2, 'setosa', 1],
  [5.0, 3.6, 1.4, 0.2, 'setosa', 1],
  [5.4, 3.9, 1.7, 0.4, 'setosa', 1],
  [4.6, 3.4, 1.4, 0.3, 'setosa', 1],
  [5.0, 3.4, 1.5, 0.2, 'setosa', 1],
  [4.4, 2.9, 1.4, 0.2, 'setosa', 1],
  [4.9, 3.1, 1.5, 0.1, 'setosa', 1]]}

现在，您可以轻松增加中的数字，.head(10)而不会让您的问题过于混乱。但有一个小缺点。现在您不能再直接使用中的输入pd.DataFrame。但如果您包含一些与相关的规范，那么index, column, and data您就没问题了。因此，对于这个特定的数据集，我首选的方法是：

import pandas as pd
import plotly.express as px

sample = {'index': [0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14],
             'columns': ['sepal_length',
              'sepal_width',
              'petal_length',
              'petal_width',
              'species',
              'species_id'],
             'data': [[5.1, 3.5, 1.4, 0.2, 'setosa', 1],
              [4.9, 3.0, 1.4, 0.2, 'setosa', 1],
              [4.7, 3.2, 1.3, 0.2, 'setosa', 1],
              [4.6, 3.1, 1.5, 0.2, 'setosa', 1],
              [5.0, 3.6, 1.4, 0.2, 'setosa', 1],
              [5.4, 3.9, 1.7, 0.4, 'setosa', 1],
              [4.6, 3.4, 1.4, 0.3, 'setosa', 1],
              [5.0, 3.4, 1.5, 0.2, 'setosa', 1],
              [4.4, 2.9, 1.4, 0.2, 'setosa', 1],
              [4.9, 3.1, 1.5, 0.1, 'setosa', 1],
              [5.4, 3.7, 1.5, 0.2, 'setosa', 1],
              [4.8, 3.4, 1.6, 0.2, 'setosa', 1],
              [4.8, 3.0, 1.4, 0.1, 'setosa', 1],
              [4.3, 3.0, 1.1, 0.1, 'setosa', 1],
              [5.8, 4.0, 1.2, 0.2, 'setosa', 1]]}

df = pd.DataFrame(index=sample['index'], columns=sample['columns'], data=sample['data'])
df

现在您可以使用这个数据框了：

    sepal_length  sepal_width  petal_length  petal_width species  species_id
0            5.1          3.5           1.4          0.2  setosa           1
1            4.9          3.0           1.4          0.2  setosa           1
2            4.7          3.2           1.3          0.2  setosa           1
3            4.6          3.1           1.5          0.2  setosa           1
4            5.0          3.6           1.4          0.2  setosa           1
5            5.4          3.9           1.7          0.4  setosa           1
6            4.6          3.4           1.4          0.3  setosa           1
7            5.0          3.4           1.5          0.2  setosa           1
8            4.4          2.9           1.4          0.2  setosa           1
9            4.9          3.1           1.5          0.1  setosa           1
10           5.4          3.7           1.5          0.2  setosa           1
11           4.8          3.4           1.6          0.2  setosa           1
12           4.8          3.0           1.4          0.1  setosa           1
13           4.3          3.0           1.1          0.1  setosa           1
14           5.8          4.0           1.2          0.2  setosa           1

这将大大增加您获得有用答案的机会！