如何用Pandas提取指定时间对应的DataFrame行并转为id:val字典？

问题描述 #

我有一个包含id、time、val列的Pandas DataFrame df。每个id对应多行数据，且各行按time升序排列，其中time和id为int类型，val为float类型。示例数据如下：

id   time  val
0    1     2.3
0    2     3.0
0    5     8.0
1    1     5.1
1    2     7.8
.......

给定时间t，我需要返回一个存储id:val键值对的dict，例如当t=2时，返回{0: 3.0, 1: 7.8}。请问Pandas是否有内置方法实现该需求？

解决方案 #

当然可以用Pandas的内置方法实现，这里提供几种高效的方式：

方法一：布尔索引 + to_dict() #

直接筛选time等于t的行，然后将id作为键、val作为值转换为字典：

result = df[df['time'] == t].set_index('id')['val'].to_dict()

这种方式简单直接，适合数据量不大且每个id在t时刻一定有数据的场景。

方法二：groupby + 列提取（处理缺失场景） #

如果存在部分id在t时刻没有数据的情况，可先按id和time分组，再提取对应t的val并过滤缺失值：

# 确保每个(id, time)组合对应唯一val
grouped = df.groupby(['id', 'time'])['val'].first().unstack()
result = grouped[t].dropna().to_dict()

这种方式会自动过滤掉没有t时刻数据的id，避免出现无效键的问题。

方法三：query + to_dict() #

用query方法筛选数据，语法更贴近SQL风格：

result = df.query('time == @t').set_index('id')['val'].to_dict()

逻辑和方法一一致，只是筛选数据的方式不同，适合偏好简洁语法的场景。

以上方法都是Pandas原生内置实现，无需手动编写循环，处理效率远高于遍历DataFrame。

内容的提问来源于stack exchange，提问作者roulette01