to_dict и to_numpy

Коротко

• to_dict() по умолчанию — {столбец: {метка: значение}}. Другие формы задаёт orient: "list", "records", "index".
• to_dict("records") — список словарей по строкам; это самый частый формат для JSON и API.
• to_numpy() — массив NumPy. У разнотипных столбцов общий тип object — медленный и неудобный.
• tolist() — список значений Series в обычных типах Python.
• Вместо .values используйте to_numpy(): у него понятное поведение и параметры dtype, na_value.

Синтаксис

df.to_dict(orient="dict")      # "list", "records", "index", "split", "tight"
s.to_dict()
df.to_numpy(dtype=None, na_value=<пропуск>)
s.tolist()

Параметры

Примеры

prices = pd.DataFrame(
    {"price": [180, 90], "qty": [12, 40]},
    index=["латте", "чай"],
)

prices.to_dict()                         # {столбец: {метка: значение}}

{'price': {'латте': 180, 'чай': 90}, 'qty': {'латте': 12, 'чай': 40}}

print(prices.to_dict("list"))            # {столбец: [значения]}
print(prices.to_dict("records"))         # [{столбец: значение}, ...] — по строкам
prices.to_dict("index")                  # {метка: {столбец: значение}}

{'price': [180, 90], 'qty': [12, 40]}
[{'price': 180, 'qty': 12}, {'price': 90, 'qty': 40}]
{'латте': {'price': 180, 'qty': 12}, 'чай': {'price': 90, 'qty': 40}}

prices["price"].to_dict()

{'латте': 180, 'чай': 90}

prices.to_numpy()

array([[180,  12],
       [ 90,  40]])

prices["qty"].tolist()                   # обычные int Python

[12, 40]

Подводные камни

mixed = prices.reset_index()             # появился текстовый столбец
mixed.to_numpy()                         # общий тип — object

array([['латте', 180, 12],
       ['чай', 90, 40]], dtype=object)

counts = pd.Series([3, None, 5], dtype="Int64")
print(counts.to_numpy())                 # с пропуском целые стали float
counts.to_numpy(dtype="int64", na_value=0)   # целые, пропуск → 0

[ 3. nan  5.]
array([3, 0, 5])