如何随DataFrame内容变化更新字典键值对？

我来帮你搞定这个根据每次变化的DataFrame更新字典的需求～

先理清楚你的场景 #

你每次会拿到一个只包含一行color和name的DataFrame，想要把color作为键、name作为值逐步添加到字典里，最终得到包含所有历史数据的字典对吧？

为什么你原来的写法会有问题 #

你尝试的dict.update({df['color'] : df['name']})其实行不通，因为df['color']和df['name']是Pandas的Series对象，不是单个的字符串值，直接这么写会把整个Series塞进字典，完全不是你想要的结果。

正确的解决方法 #

下面给你几种实用的写法，按需选择：

方法1：提取单个值后用update更新

先从单行DataFrame里把color和name的具体值取出来，再更新字典：

# 先初始化一个空字典
my_dict = {}

# 第一次迭代的DataFrame
df1 = pd.DataFrame({'color': ['red'], 'name': ['Jim']})
# 用.iloc[0]拿到第一行的对应列值（因为每次只有一行）
my_dict.update({df1['color'].iloc[0]: df1['name'].iloc[0]})
# 这时候my_dict就是 {'red': 'Jim'}

# 第二次迭代的DataFrame
df2 = pd.DataFrame({'color': ['green'], 'name': ['Pam']})
my_dict.update({df2['color'].iloc[0]: df2['name'].iloc[0]})
# 最终就得到你想要的 {'red': 'Jim', 'green': 'Pam'}

方法2：更简洁的直接赋值

如果确定每次的DataFrame只有一行，直接用字典赋值的方式更清爽：

my_dict = {}

# 第一次更新
df1 = pd.DataFrame({'color': ['red'], 'name': ['Jim']})
my_dict[df1['color'].iloc[0]] = df1['name'].iloc[0]

# 第二次更新
df2 = pd.DataFrame({'color': ['green'], 'name': ['Pam']})
my_dict[df2['color'].iloc[0]] = df2['name'].iloc[0]

方法3：扩展场景——处理多行DataFrame

要是某次迭代拿到的DataFrame有多行数据，也可以一键转换后合并：

# 比如这次拿到两行数据
df_multi = pd.DataFrame({'color': ['blue', 'yellow'], 'name': ['Dwight', 'Michael']})
# 先把df转成{color:name}格式的字典，再合并到原字典
my_dict.update(df_multi.set_index('color')['name'].to_dict())
# 这时候my_dict会新增两个键值对：'blue':'Dwight'、'yellow':'Michael'

小提醒 #

如果后续遇到重复的color值，字典会自动覆盖之前对应的name——这是字典的特性。要是你想保留所有历史值，可以把字典的value改成列表，每次append新值就行啦～

内容的提问来源于stack exchange，提问作者MaxB