如何将DataFrame转换为以(行索引,列名)元组为键的字典？

方法一：使用stack() + to_dict()（推荐，效率更高） #

这是Pandas内置的向量化操作，适配大多数场景，尤其适合大数据集。

1. 构造示例DataFrame：

import pandas as pd

df = pd.DataFrame({
    'A': [1, 2, 3],
    'B': [4, 5, 6]
}, index=['x', 'y', 'z'])

2. 执行转换：

result_dict = df.stack().to_dict()

转换后的结果：

{('x', 'A'): 1, ('x', 'B'): 4, ('y', 'A'): 2, ('y', 'B'): 5, ('z', 'A'): 3, ('z', 'B'): 6}

原理：stack()会把DataFrame的列标签转换为行索引的二级层级，生成的Series索引就是(行索引, 列名)的元组，调用to_dict()即可直接得到目标字典。

方法二：逐行遍历（直观易懂） #

如果需要自定义处理逻辑，或对Pandas内置方法不熟悉，可采用逐行遍历的方式：

result_dict = {}
# 遍历每一行的索引与行数据
for idx, row in df.iterrows():
    # 遍历每一列的列名
    for col in df.columns:
        result_dict[(idx, col)] = row[col]

这种方法逻辑清晰，但对大型DataFrame来说，效率不如stack()方法。

内容的提问来源于stack exchange，提问作者Majed elmohands