2019-04-04 List 和 dictionary互转?

一个包含两维的list,是可以直接转为dictionary的key-value格式,比如下例:
>>> lists = ([('sape', 4139), ('guido', 4127), ('jack', 4098)])
>>> dict(lists)
{'sape': 4139, 'guido': 4127, 'jack': 4098}
如果是一个dict,使用list直接将dict中的key值转为list格式:
>>> dicts = {'sape': 4139, 'guido': 4127, 'jack': 4098}
>>> list(dicts)
['sape', 'guido', 'jack']
若有两个列表list,合并为一个dict,其中一个列表的值为key,另一个列表的值为value:
  • zip
>>> list1
['sape', 'guido', 'jack']
>>> list2
['4139', '4127', '4098']
>>> zip(list1,list2)
<zip object at 0x0000000002D0B688>
>>> dict(zip(list1,list2))
{'sape': '4139', 'guido': '4127', 'jack': '4098'}
>>> list1
['sape', 'guido', 'jack']
>>> list2
['4139', '4127', '4098']
>>> merge = zip(list1,list2)
>>> merge
<zip object at 0x0000000002D0B688>
>>> for a,b in merge:
    print(a,b)

sape 4139
guido 4127
jack 4098
>>> dict(zip(list1,list2))
{'sape': '4139', 'guido': '4127', 'jack': '4098'}
  • 合并到一个DataFrame里面:
    1. 方法一
      • 先将两个列表合并成一个dict;
      • dict传入DataFrame
    2. 方法二
      • 直接创建(一个列表中含有多个子列表,也可直接创建)
#方法一
>>> list1 
['sape', 'guido', 'jack']
>>> list2
['4139', '4127', '4098']
>>> dict1 = {'list1':list1,'list2':list2}
>>> import pandas
>>> data = DataFrame(dict1)
Traceback (most recent call last):
  File "<pyshell#447>", line 1, in <module>
    data = DataFrame(dict1)
NameError: name 'DataFrame' is not defined
>>> data = pandas.DataFrame(dict1)
>>> data
   list1 list2
0   sape  4139
1  guido  4127
2   jack  4098

#方法二
>>> pandas.DataFrame([list1,list2],index=['list1','list2'])
          0      1     2
list1  sape  guido  jack
list2  4139   4127  4098

list里面是tuple:

>>> lists
[('尚撷福最近很忙', 'Geoffrey has been busy lately.'), ('就拿今天说吧', 'Take today for example.'), ('他不仅要跟全家人一起包饺子', 'He’s going to make dumplings with his family')]
>>> lists_ = [list(x) for x in lists]
>>> lists_
[['尚撷福最近很忙', 'Geoffrey has been busy lately.'], ['就拿今天说吧', 'Take today for example.'], ['他不仅要跟全家人一起包饺子', 'He’s going to make dumplings with his family']]
最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 214,717评论 6 496
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 91,501评论 3 389
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 160,311评论 0 350
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 57,417评论 1 288
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 66,500评论 6 386
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 50,538评论 1 293
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 39,557评论 3 414
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 38,310评论 0 270
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,759评论 1 307
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,065评论 2 330
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,233评论 1 343
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,909评论 5 338
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 40,548评论 3 322
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,172评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,420评论 1 268
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 47,103评论 2 365
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,098评论 2 352

推荐阅读更多精彩内容