python - Pandas to_dict 使用 outtype ='records' 更改索引类型

Question

我正在尝试在以下 DataFrame 上调用 to_dict 函数:

将 pandas 导入为 pd

data = {"a": [1,2,3,4,5], "b": [90,80,40,60,30]}

df = pd.DataFrame(数据)

   a   b
0  1  90
1  2  80
2  3  40
3  4  60
4  5  30

df.reset_index().to_dict("r")

[{'a': 1, 'b': 90, 'index': 0},
 {'a': 2, 'b': 80, 'index': 1},
 {'a': 3, 'b': 40, 'index': 2},
 {'a': 4, 'b': 60, 'index': 3},
 {'a': 5, 'b': 30, 'index': 4}]

但是，如果我对数据帧执行浮点运算，就会出现问题，这会将索引变为 float :

(df*1.0).reset_index().to_dict("r")

[{'a': 1.0, 'b': 90.0, 'index': 0.0},  
{'a': 2.0, 'b': 80.0, 'index': 1.0},  
{'a': 3.0, 'b': 40.0, 'index': 2.0},  
{'a': 4.0, 'b': 60.0, 'index': 3.0},  
{'a': 5.0, 'b': 30.0, 'index': 4.0}]

任何人都可以解释上述行为或推荐解决方法，或验证这是否可能是 pandas 错误？如上所示，to_dict 方法中的其他外类型都不会改变索引。

我已经在 pandas 0.14 和 0.18(最新)上复制了这个

非常感谢!

Answer 1

这个问题已经在github上回答了here

我将在此处传达答案，以便将问题标记为已解决并从未回答的 pandas 问题列表中移出。

来自 Github:

Nothing to do with the index, just the fact that you have any float dtypes in the data

If you look at the code, we use DataFrame.values, which returns a NumPy array, which must have a single dtype (float64 in this case).

-- TomAugspurger

该问题的解决方法是:

[x._asdict() for x in df.itertuples()]

生成 OrderedDict 对象列表

[OrderedDict([('Index', 0), ('a', 1.0), ('b', 90)]),
 OrderedDict([('Index', 1), ('a', 2.0), ('b', 80)]),
 OrderedDict([('Index', 2), ('a', 3.0), ('b', 40)]),
 OrderedDict([('Index', 3), ('a', 4.0), ('b', 60)]),
 OrderedDict([('Index', 4), ('a', 5.0), ('b', 30)])]