如何将DataFrame转换为字典实现按ID查询对应5条图片描述

• 重复打印全量记录：你用的df['Description'].where()方法会返回和原数据集长度一致的序列，匹配失败的位置填充为NaN，不会只返回匹配到的单条结果，所以每次循环都会打印全部16万行的内容，不匹配的行显示NaN
• 短ID查询报错：大概率是精确匹配时输入ID不存在对应记录，或者拼接后无匹配项导致的输出异常

不需要循环查询5次，直接用前缀匹配一次性筛选出对应ID的所有描述即可，代码如下：

import pandas as pd
df = pd.read_csv('results.txt', delimiter="\t")
input_id = input('Enter the ID: ').strip()
# 筛选所有Image_ID以输入ID加.jpg#开头的记录
match_result = df[df['Image_ID'].str.startswith(f"{input_id}.jpg#")]['Description']

if len(match_result) > 0:
    for i, desc in enumerate(match_result, 1):
        print(f"描述{i}：{desc}")
else:
    print("未找到对应ID的描述，请检查输入是否正确")

先明确字典的核心逻辑：字典是键(key):值(value)的映射结构，我们这里把基础ID作为唯一key，把该ID对应的5条描述组成的列表作为value，查询时只需输入key就能直接取出对应的所有描述，查询速度远高于pandas遍历筛选。
转换+查询代码如下：

import pandas as pd
df = pd.read_csv('results.txt', delimiter="\t")
# 提取每条记录的基础ID（即Image_ID中.jpg#前面的部分）
df['base_id'] = df['Image_ID'].str.split('.jpg#').str[0]
# 按基础ID分组，把同个ID的所有描述拼成列表，转换为字典
id_desc_dict = df.groupby('base_id')['Description'].apply(list).to_dict()

# 查询逻辑
input_id = input('Enter the ID: ').strip()
if input_id in id_desc_dict:
    for i, desc in enumerate(id_desc_dict[input_id], 1):
        print(f"描述{i}：{desc}")
else:
    print("未找到对应ID的描述，请检查输入是否正确")

内容的提问来源于stack exchange，提问作者hvssvvn