如何在Pandas DataFrame中将列转为字典列并实现高效向量化操作？

示例数据构造 #

先还原你的初始DataFrame：

import pandas as pd

df = pd.DataFrame({
    'x': [1, 4, 7],
    'y': [2, 5, 8],
    'z': [3, 6, 9]
})

核心实现方法 #

直接通过向量化元素转换将z列的每个值转为嵌套字典，彻底避免字符串拼接导致的类型问题：

# 对z列逐元素生成字典
df['z'] = df['z'].apply(lambda val: {'z': val})

也可以用更简洁的链式写法：

df = df.assign(z=df['z'].map(lambda val: {'z': val}))

验证结果 #

执行后查看DataFrame：

print(df)

输出完全符合预期：

x  y          z
0  1  2  {'z': 3}
1  4  5  {'z': 6}
2  7  8  {'z': 9}

验证列元素类型：

print(type(df.loc[0, 'z']))

返回<class 'dict'>，确认是原生字典类型而非字符串。

为什么不推荐字符串拼接？ #

字符串拼接生成的是带引号的字符串对象（如"{'z':3}"），后续调用时需要额外解析才能转为字典，既低效又容易出错；而直接构造字典的方式是原生Python字典类型，无需额外处理，且能利用Pandas的向量化操作保证效率。

内容的提问来源于stack exchange，提问作者javad