我有一个像这样的庞大数据集，我试图创建一个数据框的字典中的字典来组织’crime’列和其他列的频率。

train_data

    23  Wednesday  BAYVIEW  CENTRAL  INGLESIDE  NORTHERN  PARK  RICHMOND  crime0   1          1        0        0          0         1     0         0      31   1          1        0        0          0         1     0         0      12   1          1        0        0          0         1     0         0      13   1          1        0        0          0         1     0         0      04   1          1        0        0          0         0     1         0      05   1          1        0        0          1         0     0         0      06   1          1        0        0          1         0     0         0      27   1          1        1        0          0         0     0         0      28   1          1        0        0          0         0     0         1      09   1          1        0        1          0         0     0         0      0

所以我首先决定按’crime’列对数据框进行分组：

train_data=train_data.groupby(['crime']).sum()       23  Wednesday  BAYVIEW  CENTRAL  INGLESIDE  NORTHERN  PARK  RICHMONDcrime                                                                      0       5          5        0        1          1         1     1         11       2          2        0        0          0         2     0         02       2          2        1        0          1         0     0         03       1          1        0        0          0         1     0         0

然后我试图将它们组织成一个字典中的字典，但我做不到，我尝试了一些迭代的方法，但数据框似乎有些问题。

结果应该像这样：

{0: {23: 5, Wednesday: 1, BAYVIEW: 0, CENTRAL: 1, ...},  1: {23: 2, Wednesday: 2, BAYVIEW: 0, ...}, 2: {...}, 3: {...}}

回答：

你可以使用

d = train_data.to_dict(orient='index')

有关更多选项，请参见 http://pandas.pydata.org/pandas-docs/version/0.17.1/generated/pandas.DataFrame.to_dict.html。