波仔
📊 第4章 Pandas 进阶
📄 一句话概括

to_dict 不给 orient 就是按列，要一行一个字典必须写 orient='records'。 values 给 numpy 数组，要纯 Python 列表得再 .tolist()，两个连用最多。 遍历行优先用 itertuples，比 iterrows 快很多，也保住了字段名。

📝 本章和前面几章的关系

前面十篇都在「把数据弄进来、算明白」。这一篇讲「把结果交出去」。 交给接口用字典，交给脚本用列表，交给老板用网页表格。

一、转字典：to_dict

df.to_dict() 默认按列：{'姓名': [...], '语文': [...]}。 按记录转：df.to_dict(orient='records') 给「一行一个字典」的列表。 第一个元素长这样：{'姓名': '张伟', '语文': 88}。

orient 不给就是按列。要喂给接口就写 records，这是最通用的形状。 还有 orient='list'（值转成列表）、orient='index'（行标签当键）几种。

二、转列表：values

df[ ['语文','数学'] ].values.tolist() 给二维列表：[ [88, 92], [92, 95]]。 单列直接 df['语文'].tolist()：[88, 92, 75, 85]。 values 给的是 numpy 数组，不是列表。要纯 Python 对象必须再 tolist。

为什么在乎这个？因为很多库只吃 list，喂 ndarray 会报类型错或者行为诡异。 两个连用是最常见的写法：先 values 去掉标签，再 tolist 变成列表。

三、转元组：itertuples

for row in df.itertuples(index=False) 每行给一个命名元组。 打出来是 Pandas(姓名='张伟', 语文=88)，字段能按名字取。 它比 iterrows 快很多：iterrows 每行都造一个 Series，还要做类型转换。

遍历行优先用 itertuples。iterrows 会把整行的类型统一，整数可能变成小数。 要字典形状就用 _asdict()，命名元组自带这个方法。

四、转网页：to_html

df.to_html(index=False) 返回一段 table 标签的字符串，这次 334 个字符。 写进文件 375 字节，双击就能在浏览器里打开一张表。 to_html 只给表格本身，没有任何样式。要好看的网页得自己套 CSS。

它的用处是「快速给人看一眼」，不是「做一个网站」。 要和别人共享，导出 xlsx 通常比 html 更实用——对方能改、能再算。

五、动手 Demo：DataFrame 与字典、列表、元组、网页互转

一张三行两列的小表，依次转成字典、列表、元组、HTML。 每转一次都打一下类型，看清楚拿到的是什么。

import pandas as pd

D = pd.DataFrame({"姓名": ["张伟", "王芳", "李娜"],
                  "语文": [88, 92, 75]})

print("按列 %s" % list(D.to_dict().keys()))
print("按记录 %s" % D.to_dict(orient="records")[0])
print("转列表 %s" % D[ ["姓名", "语文"]].values.tolist()[0])

for row in D.itertuples(index=False):
    print(row, "->", row._asdict())

HTML = D.to_html(index=False)
print("html 长度 %d" % len(HTML))
print(HTML.splitlines()[0])

实跑输出：

--------------------------------------------------------------------
DataFrame 与字典、列表、元组、网页互转
--------------------------------------------------------------------

  ① 转字典：to_dict
  --------------------------------------------------------------------
  默认方向是按列：['姓名', '语文']。
  按记录转：{'姓名': '张伟', '语文': 88}。
  按列转成列表：{'姓名': ['张伟', '王芳', '李娜'], '语文': [88, 92, 75]}。
  ! orient 不给就是按列。要一行一个字典就写 records，这是给接口最常用的形状。

  ② 转列表：values
  --------------------------------------------------------------------
  二维数组：[ [88, 92], [92, 95]]。
  单列转列表：[88, 92, 75, 85]。
  values 给的是 numpy 数组，要纯 Python 列表得再 .tolist()。
  ! values 是「不要标签的裸数据」，tolist 是「变成 Python 对象」。两个连用最多。

  ③ 转元组：itertuples
  --------------------------------------------------------------------
  每一行是一个命名元组：Pandas(姓名='张伟', 语文=88)。
  它比 iterrows 快很多，也比 values 多了字段名。
  ! 遍历行优先用 itertuples。iterrows 会把整行变成 Series，慢且会把类型改掉。

  ④ 转网页：to_html
  --------------------------------------------------------------------
  to_html 返回一段 table 标签的字符串，长度 334 字符。
  前 60 个字符：<table border="1" class="dataframe">
  <thead>
    <tr style
  写进文件 375 字节，双击就能在浏览器里看。
  ! to_html 只给表格本身，没有样式。要好看的网页得自己套 CSS。

itertuples 打出来的第一列是 Pandas(姓名='张伟', 语文=88)——类型名就叫 Pandas。 _asdict() 把命名元组转成字典。要给接口塞一行数据，这一步很顺手。

30 秒实验

  1. 把 to_dict 的 orient 换成 'index'，看键变成什么。
  2. 把 itertuples 的 index=False 去掉，看每行多出来什么。
  3. 想一想：为什么 iterrows 比 itertuples 慢？多做了哪些事？

常见误区

  1. 以为 to_dict 默认一行一个字典：默认是按列，形状完全不同。
  2. values 直接当 list 用：它是 ndarray，有些地方行为不一样。
  3. 遍历大表用 iterrows：慢几十倍，整数还会被转成小数。
  4. 把 to_html 当网页模板：只有裸表格，没有样式和布局。
自测三问（点开对答案） 1. to_dict 默认是什么形状？ —— 按列：键是列名，值是一整列的列表。要一行一个字典得写 orient='records'。 2. values 和 tolist 各做什么？ —— values 把表变成 numpy 数组（去掉标签），tolist 再把数组变成纯 Python 列表。 3. itertuples 比 iterrows 好在哪？ —— 快得多，而且不会把整行的类型统一掉；还保留了字段名，能按名字取值。

单表处理完了。下一篇把两张表接起来：merge 与 concat。

相关笔记