如何使用pandas将CSV指定两列数据映射为键值对字典
现有嵌套循环的实现问题
- 双层for循环的逻辑是将
country_2020的每一个元素,与rank_2020的全部元素逐一做笛卡尔积配对,当两列各有N个元素时会生成N²个配对组合,完全没有完成同行列的对齐映射,从逻辑上就不符合需求 - 循环过程中每一轮都重新给
test变量赋值,待所有循环跑完,test仅会留存最后一次循环生成的单条DataFrame结果,无法存储全量键值对 - 两列转字典的场景完全不需要手动编写多层循环,pandas本身提供了原生的高对应方法,运行效率远高于手写循环
正确实现两列映射为字典的方案
方案1:pandas原生方法(推荐)
利用pandas内置的Series转字典能力,仅需几行代码即可实现目标:
# 读取2020年CSV文件 data_set_2020 = pd.read_csv("2020.csv") # 将"Country name"设为索引,取出"Ladder score"列直接转字典 country_score_map = data_set_2020.set_index("Country name")["Ladder score"].to_dict()
生成的字典结构完全匹配预期,例如:
# 字典格式示例 { "Finland": 7.8087, "Denmark": 7.6456, "Switzerland": 7.5599 }
和你示例里{"Burgers": 3.00}的键值结构完全一致。
这种方式是pandas处理这类映射需求的标准操作,运行速度快,代码简洁,不会出现手动遍历的对齐错误。
方案2:手写遍历实现(仅作原理参考)
如果想手动遍历实现映射,需要去掉不必要的双层嵌套,使用单层循环对齐同位置的两列元素:
country_col = data_set_2020["Country name"] score_col = data_set_2020["Ladder score"] result_dict = {} # 用zip同步匹配两列的同位置元素,无需嵌套循环 for country_name, ladder_score in zip(country_col, score_col): result_dict[country_name] = ladder_score
注意:这种手写方式的运行效率远低于pandas原生的
to_dict()方法,尤其是数据量较大时性能差距会非常明显,实际项目中优先使用方案1即可。
内容的提问来源于stack exchange,提问作者marcosvaldez81
相关产品推荐
相关产品推荐

