如何修正代码以生成索引对应class_weight值的正确字典？

我有如下示例数据集：

cat         count   class_weight
cars        17824    0.000404
bus         124784   0.000553
planes      111271   0.000620

我希望输出一个包含索引和class_weight值的dictionary，格式如下：

{0: 0.000404,
 1: 0.000553,
 2: 0.000620}

我当前的实现代码为：

class_weight = {}
for index, label in enumerate(categories):
    class_weight[index] = df[df['cat'] == categories]['class_weight'].values[0]

其中categories是存储cat列值的numpy.ndarray。但输出结果错误，所有值都返回第一个元素：

{0: 0.000404,
 1: 0.000404,
 2: 0.000404}

请问如何修正这段代码？

1. 修复循环逻辑错误 #

你的代码核心问题是筛选条件写错了：用categories（整个数组）和df['cat']比较，会导致每次筛选都匹配所有行，取values[0]自然只会得到第一个元素。把筛选条件改成当前循环的label即可：

class_weight = {}
for index, label in enumerate(categories):
    class_weight[index] = df[df['cat'] == label]['class_weight'].values[0]

2. 更高效的Pandas原生实现 #

如果不需要手动循环，直接用Pandas内置方法可以一步生成目标字典：

• 方法一：重置索引后转字典

class_weight = df.reset_index(drop=True)['class_weight'].to_dict()

reset_index(drop=True)会将原数据行索引重置为0开始的连续整数，之后提取class_weight列直接转成字典即可。

• 方法二：直接枚举列值
  如果categories的顺序和df中cat列的顺序完全一致，还可以更简洁：

class_weight = dict(enumerate(df['class_weight'].values))

内容的提问来源于stack exchange，提问作者Katty_one