我正在查看最快的遍历Pandas DataFrame的方法？，但我不确定是否能应用到我的情况。我想创建一个包含DataFrame中样本和特征的字典

#DF_gex是DataFrameD_sample_Data = {}class Sample:    def __init__(self,D_key_value):        self.D_key_value = D_key_value for i in range(DF_gex.shape[0]):    D_key_value = {}    sample = DF_gex.index[i]    for j in range(DF_gex.shape[1]):        key = DF_gex.columns[j]        value = DF_gex.iloc[i,j]        D_key_value[key] = value    D_sample_Data[sample].D_key_value = D_key_value

在这种情况下，我有一个名为Sample的类，在Sample类中，我为每个实例存储了一个字典（D_key_value）。目前我正在遍历每一行和每一列。

有没有更快的方法来做这件事？我知道Pandas基于Numpy数组，这些数组具有特殊的索引功能。是否可以使用这些方法中的一种来实现这个目标？

最终，我将得到一个字典对象D_sample_Data，我可以输入一个样本名称并获取一个类实例。在该类实例中，将有一个特定于该样本键的字典对象。

回答：

如果你只是想要一个字典的字典，其中外部字典的键是索引，内部字典的键是列，值是该索引-列对应的值（或包含字典的类的字典）。

那么你不需要循环，你可以简单地使用DataFrame.to_dict()方法。例如 –

resultdict = df.T.to_dict()

或者从Pandas版本0.17.0开始，你还可以使用关键字参数orient='index'。例如 –

resultdict = df.to_dict(orient='index')

演示 –

In [73]: dfOut[73]:   Col1  Col2  Col3a     1     2     3b     4     5     6c     7     8     9In [74]: df.T.to_dict()Out[74]:{'a': {'Col1': 1, 'Col2': 2, 'Col3': 3}, 'b': {'Col1': 4, 'Col2': 5, 'Col3': 6}, 'c': {'Col1': 7, 'Col2': 8, 'Col3': 9}}

如果你希望外部字典的值类型为class Sample，尽管我几乎不认为这有什么用，那么你可以这样做 –

class Sample:    def __init__(self,D_key_value):        self.D_key_value = D_key_value resultdict = df.T.to_dict()resultdict = {k:Sample(v) for k,v in resultdict.items()}