如何将Pandas DataFrame逐行转换为键值对列表？

方法一：简洁逐行转换（适合小数据集） #

先构造示例DataFrame：

import pandas as pd

df = pd.DataFrame({
    'col1': ['a', 'b', 'c', 'd'],
    'col2': ['tom', 'jay', 'harsh', 'ras'],
    'col3': [90, 75, 35, 50],
    'col4': ['Good', 'Not so good', 'Bad', 'impresive']
})

直接用apply结合列表推导式，按行生成目标键值对列表：

# 生成每行对应的键值对列表，最终结果为一个大列表
result = df.apply(lambda row: [{'key': col, 'value': row[col]} for col in df.columns], axis=1).tolist()

输出result[0]即可得到第一行的目标结构：

[
 {'key':'col1', 'value':'a'},
 {'key':'col2', 'value':'tom'},
 {'key':'col3', 'value':90},
 {'key':'col4', 'value':'Good'}
]

方法二：向量化分组转换（适合大数据集） #

如果处理的是大规模数据，推荐用melt+分组的方式，性能更优：

# 将DataFrame转成长格式，保留原行索引
melted_df = df.reset_index().melt(id_vars='index', var_name='key', value_name='value')
# 按行索引分组，每组转换为字典列表
result = melted_df.groupby('index')[['key', 'value']].apply(lambda x: x.to_dict('records')).tolist()

这种方法通过向量化操作避免逐行循环，在数据量较大时效率明显高于第一种方法。

结果验证 #

两种方法最终得到的result结构完全匹配需求：大列表中的每个元素对应原DataFrame的一行，每行是由列名-值组成的字典列表。

内容的提问来源于stack exchange，提问作者Istiyak Shaikh