如何从Pandas DataFrame生成两个指定规则的字典？

原始DataFrame #

import pandas as pd
df = pd.DataFrame({'A':['a_o','a','b_o','b','c'],'B':[1,0,1,1,0],'C':[99,24,67,89,91]})

需求 #

生成两个目标字典：

• dict1 = {'a_o':99,'b_o':67}：A列以_o结尾的条目作为键，对应C列的值为值
• dict2 = {'a':0,'b':1,'c':0}：A列中其余条目作为键，对应B列的值为值

解决方案 #

核心是用str.endswith('_o')筛选符合条件的行，再转换为字典：

生成dict1

# 筛选A列以"_o"结尾的行，提取A和C列生成字典
filtered_o_rows = df[df['A'].str.endswith('_o')]
dict1 = dict(zip(filtered_o_rows['A'], filtered_o_rows['C']))

或者更简洁的写法：

dict1 = df[df['A'].str.endswith('_o')].set_index('A')['C'].to_dict()

生成dict2

用~取反筛选出A列不以_o结尾的行：

# 筛选A列不以"_o"结尾的行，提取A和B列生成字典
filtered_rest_rows = df[~df['A'].str.endswith('_o')]
dict2 = dict(zip(filtered_rest_rows['A'], filtered_rest_rows['B']))

简洁写法：

dict2 = df[~df['A'].str.endswith('_o')].set_index('A')['B'].to_dict()

验证结果 #

运行上述代码后，dict1和dict2会完全符合预期要求。

内容的提问来源于stack exchange，提问作者User1917931829