python，字典转存为pandas，key为列，value为行，索引重命名

Python中，使用pandas进行数据处理和存储非常方便，同样，字典的使用也是很多操作中不可或缺的。本文主要是记录在使用过程中的经历，总结和分享，便于日后查看。

任务1：将字典的keys作为pandas的列名称，values作为pandas的行数据

废话不多说，直接上代码，结果一目了然：

import pandas as pd

dct = {'key1': [1, 4], 'key2': [2, 5], 'key3': [3, 6]}
dataframe = pd.DataFrame(dct)      # index默认为None
# dataframe = pd.DataFrame(dct, index=[1, 2])
# dataframe = pd.DataFrame(dct, index=['v1', 'v2'])

print('dataframe: \n', dataframe)

结果如下图所示：

• index = [0, 1] or index = None
  

• index = [1, 2]
  

• index = [‘v1’, ‘v2’]
  

其中，需要说明的大概是pd.DataFrame中的index这个参数了。其实这个参数可以不写，之所以把它拎出来，是因为，之前一直对这个参数的意义理解不清；

1. 直接给出官网上的解释链接；

参数：index
类型：Index or array-like
描述：Index to use for resulting frame. Will default to RangeIndex if no indexing information part of input data and no index provided.
翻译：用于生成帧的索引。如果输入数据中没有索引信息，也没有提供索引，则默认为RangeIndex。

2. 个人的理解（比较简单）：
   从上述三幅图的变化可以看出，index是对索引命名的一种方式，它的shape或者说它的列表长度，与字典数据中，value的shape或列表长度，保持一致。

小任务：将索引作为数据列，并重命名

除了上述通过index直接命名pandas的索引之外，还可以通过下面的方式进行重命名。
功能和代码过于简单，直接看就明白了。

• 只需要注意一点：reset_index()并非原地操作，其返回值才是更改之后的新数据。

dataframe = dataframe.reset_index().rename(columns={'index': 'column_index'})

print('rename index of dataframe\n', dataframe)

结果如下图所示：