如何将Pandas DataFrame转为以索引为键、NumPy数组为值的字典？

这确实是to_dict('index')的一个小局限——它默认会把每行转成字典而不是NumPy数组。不过有几个简单的办法能轻松实现你的需求，我给你列几个常用的方案：

方法1：使用apply逐行转换 #

利用apply按行处理，把每行直接转为NumPy数组，再转成字典：

result_dict = df.apply(lambda row: row.to_numpy(), axis=1).to_dict()

• axis=1指定按行遍历
• row.to_numpy()将单行数据转换为NumPy数组
• 最后调用to_dict()就会自动把DataFrame的索引作为字典的键

方法2：字典推导式（直观高效） #

直接遍历DataFrame的索引，用loc取出对应行并转为数组，适合小到中等规模的数据集：

result_dict = {idx: df.loc[idx].to_numpy() for idx in df.index}

这个写法逻辑非常清晰，一眼就能看明白是把每个索引对应行转成数组作为值。

方法3：批量转换后配对索引（大数据集首选） #

如果你的DataFrame数据量很大，先一次性把整个DataFrame转为二维NumPy数组，再和索引配对生成字典，效率会更高：

array_data = df.to_numpy()
result_dict = dict(zip(df.index, array_data))

• df.to_numpy()一次性完成整个数据集的格式转换，比逐行处理更快
• zip(df.index, array_data)把索引和每行数组一一对应，再用dict()转为字典

验证结果 #

你可以打印其中一个键对应的值来确认：

print(result_dict[0])
# 输出类似：array([0.88095214, 0.62363749])

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