You need to enable JavaScript to run this app. 如何使用pandas将CSV指定两列数据映射为键值对字典
优惠活动
大模型
产品
解决方案
定价
更多

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
方舟 Agent Plan

超全模态模型 × Harness 升级,最新支持 Deepseek-V4.1-Flash、GLM-5.3 系列、Doubao-Seedream-5.0-pro、Kimi-K3 (部分), 限时 9.9 元起

最近更新时间:2026.11.09 07:54:03