如何将Pandas dataframe转换为以指定列为键、属性为值列表的dict

目标转换规则：将Name列的值作为字典的键，同一行的age、job列值按顺序组成列表作为对应键的值，最终输出结构为{'John': [25, 'Scientist']}。

方法1：使用Pandas内置to_dict接口 #

操作逻辑：把Name列设为行索引，筛选出需要作为值的两列后转置，通过to_dict('list')直接生成目标结构

import pandas as pd

# 示例原始DataFrame
df = pd.DataFrame({
    'Name': ['John'],
    'age': [25],
    'job': ['Scientist']
})

result = df.set_index('Name')[['age', 'job']].T.to_dict('list')
# 运行结果：{'John': [25, 'Scientist']}

特点：代码简洁，是Pandas官方推荐的常规转换方式，处理十万行以上的大批量数据时稳定性好。

方法2：逐行遍历手动组装字典 #

逻辑直白，没有复杂的接口参数记忆成本，适合快速理解转换过程

result = {}
for _, row in df.iterrows():
    current_name = row['Name']
    result[current_name] = [row['age'], row['job']]

注意：该方法逐行触发Python层级的循环，当DataFrame行数过万时运行速度会明显下降，仅适合小数据量的临时调试场景。

方法3：基于zip的向量化打包 #

无逐行Python循环开销，是三种方法中运行效率最高的，尤其适配超大尺寸DataFrame

name_keys = df['Name'].tolist()
value_lists = map(list, zip(df['age'].tolist(), df['job'].tolist()))
result = dict(zip(name_keys, value_lists))

原理：先把Name列的所有值整理为字典的键序列，再把同行的age、job值按位置打包为列表组成值序列，最后直接调用dict构造函数生成目标字典。

内容的提问来源于stack exchange，提问作者haha