`pandas` 库提供了一个非常方便的方法将 DataFrame 转换为字典

在 Python 中，pandas 库提供了一个非常方便的方法将 DataFrame 转换为字典。DataFrame.to_dict() 方法可以根据你的需求将 DataFrame 转换为不同类型的字典。以下是一些常见的用法示例：

1. 转换为字典的列表（默认行为）：
   每个键（列名）对应的值是一个列表，包含该列的所有数据。

   import pandas as pd
   
   # 创建一个示例 DataFrame
   data = {
       'Name': ['Alice', 'Bob', 'Charlie'],
       'Age': [25, 30, 35],
       'City': ['New York', 'Los Angeles', 'Chicago']
   }
   df = pd.DataFrame(data)
   
   # 转换为字典的列表
   dict_list = df.to_dict()
   print(dict_list)
   

   输出：

   [{'Name': 'Alice', 'Age': 25, 'City': 'New York'},
    {'Name': 'Bob', 'Age': 30, 'City': 'Los Angeles'},
    {'Name': 'Charlie', 'Age': 35, 'City': 'Chicago'}]
   

2. 转换为记录字典（orient='records'）：
   与默认行为相同，但明确指定参数。

   dict_records = df.to_dict(orient='records')
   print(dict_records)
   

3. 转换为索引字典（orient='index'）：
   每个键（索引）对应的值是一个字典，包含该行的所有列数据。

   dict_index = df.to_dict(orient='index')
   print(dict_index)
   

   输出：

   {0: {'Name': 'Alice', 'Age': 25, 'City': 'New York'},
    1: {'Name': 'Bob', 'Age': 30, 'City': 'Los Angeles'},
    2: {'Name': 'Charlie', 'Age': 35, 'City': 'Chicago'}}
   

4. 转换为列字典（orient='columns'）：
   每个键（列名）对应的值是一个列表，包含该列的所有数据（与默认行为类似，但结构更清晰）。

   dict_columns = df.to_dict(orient='columns')
   print(dict_columns)
   

   输出：

   {'Name': ['Alice', 'Bob', 'Charlie'],
    'Age': [25, 30, 35],
    'City': ['New York', 'Los Angeles', 'Chicago']}
   

5. 转换为拆分字典（orient='split'）：
   返回一个包含两个键的字典：'index' 和 'columns'，分别包含行索引和列名，以及一个 'data' 键，包含数据值。

   dict_split = df.to_dict(orient='split')
   print(dict_split)
   

   输出：

   {'index': [0, 1, 2],
    'columns': ['Name', 'Age', 'City'],
    'data': [['Alice', 25, 'New York'],
             ['Bob', 30, 'Los Angeles'],
             ['Charlie', 35, 'Chicago']]}
   

6. 转换为值字典（orient='values'）：
   返回一个包含 DataFrame 数据的嵌套列表（与 .values 属性相同）。

   dict_values = df.to_dict(orient='values')
   print(dict_values)
   

   输出：

   [['Alice', 25, 'New York'],
    ['Bob', 30, 'Los Angeles'],
    ['Charlie', 35, 'Chicago']]
   

选择哪种方法取决于你希望字典结构如何反映 DataFrame 的数据。