在本文中，我们将探讨如何使用python中的pandas库将dataframe（以下简称df）数据转换为特定的格式，以便在前端的datatables中渲染。今天的重点是如何将df按行和按列进行转换。

目标

在网站开发过程中，经常需要将后端的Df数据转换成前端Datatables可识别的格式。这种格式通常是一个列表，其中每个元素是一个字典，字典的键对应前端表格的列名，值则对应表格的单元格值。以下是一个示例Df及其转换后的格式：

转换后的列表格式如下：

代码

以下是实现上述转换的Python代码：

import pandas as pd

dict_1 = {"time": ["2019-11-02", "2019-11-03", "2019-11-04", "2019-11-05", 
                   "2019-12-02", "2019-12-03", "2019-12-04", "2019-12-05"],
          "pos": ["A", "A", "B", "B", "C", "C", "C", "D"],
          "value1": [10, 20, 30, 40, 50, 60, 70, 80]}

df_1 = pd.DataFrame(dict_1, columns=["time", "pos", "value1"])
print("原数据", "\n", df_1, "\n")
print("\n按行输出")
list_fields = df_1.to_dict(orient='records')
print(list_fields)

代码截图：

部分代码解读

list_fields = df_1.to_dict(orient='records')

这一行代码使用了

to_dict

函数，其中

orient='records'

参数表示按行输出。简单来说，

records

表示记录，相当于数据库中的一行。

延伸

除了按行转换，pandas也支持按列转换。通过查阅

orient

参数的可选值，发现

list

可以满足按列转换的需求。按列转换的结果是一个字典，字典的键为列名，值为一个列表，该列表对应Df的一个列。以下是实现按列转换的代码：

dict_fields = df_1.to_dict(orient='list')
print(dict_fields)

按列转换的代码截图：

按列转换的结果：