当前位置:首页 > 文章列表 > 文章 > python教程 > Python字典翻转导出CSV方法

Python字典翻转导出CSV方法

2026-03-13 08:09:45 0浏览 收藏
本文详解了一种纯原生Python实现字典转置的实用技巧——无需NumPy或itertools,即可将嵌套字典(外层键代表数据组、内层键值对代表字段与取值)灵活翻转为“字段为行、组别为列”的CSV友好结构,并完整演示了从构建转置字典、处理缺失字段、保持键序到安全导出的全流程,代码简洁可靠,特别适合中小型数据快速格式化与表格化输出。

Python 字典转置:纯 Python 实现键值维度翻转并导出 CSV 格式

本文介绍如何不依赖 NumPy 或 itertools,仅用原生 Python 将嵌套字典按“外层键→列、内层键→行”进行转置,并格式化输出为指定 CSV 结构。

本文介绍如何不依赖 NumPy 或 itertools,仅用原生 Python 将嵌套字典按“外层键→列、内层键→行”进行转置,并格式化输出为指定 CSV 结构。

在数据处理中,常需将类似「多组记录(外层键)→字段名与值(内层键值对)」的嵌套字典结构进行行列翻转,以适配表格展示或 CSV 导出需求。本例中,原始字典 data_dict 以数字 1, 2, 3 为外层键,每个对应一个字段映射(如 'One': 110);目标是将其转置为:首行为索引列头 '', 1, 2, 3,后续每行为一个字段(如 'One')及其在各组中的取值。

核心思路是构建一个中间转置字典:以原内层键(如 'One')为新键,收集其在所有外层键下的对应值,形成列表;同时单独处理外层键序列作为首行标签。

以下是完整、可直接运行的纯 Python 解决方案:

data_dict = {
    1: {'One': 110, 'Two': 210, 'three': 310},
    2: {'One': 120, 'Two': 220, 'three': 320},
    3: {'One': 130, 'Two': 230, 'three': 330}
}

# 步骤 1:初始化转置字典,首行键为 "''",值为所有外层键(即列标题)
transposed = {"''": list(data_dict.keys())}

# 步骤 2:遍历每组数据(外层 value),将每个字段(k)的值(v)追加到对应列表中
for inner_dict in data_dict.values():
    for k, v in inner_dict.items():
        transposed.setdefault(k, []).append(v)

# 步骤 3:按指定顺序输出 CSV 行(注意:此处保持字段原始出现顺序;若需排序,可用 sorted(transposed.keys()))
# 特别说明:原题期望 'Three' 但数据中为 'three',输出严格遵循原始键名(区分大小写)
for key, values in transposed.items():
    print(key, *values, sep=",")

✅ 输出结果:

'',1,2,3
One,110,120,130
Two,210,220,230
three,310,320,330

? 关键注意事项:

  • setdefault(k, []) 是安全追加的核心:若键 k 不存在则初始化空列表,避免 KeyError;
  • 字段顺序由首次出现顺序决定(如 'One' 先于 'Two' 出现在 data_dict[1] 中);若需固定顺序(如字母序或自定义序),可在最后遍历前显式排序键列表,例如:for key in ['One', 'Two', 'three'] + ["''"];
  • 若某些组缺失某字段(如 data_dict[2] 没有 'three'),当前逻辑会跳过该值,导致列长不一致——此时应先统一字段集(如 all_keys = set().union(*[d.keys() for d in data_dict.values()])),再用 inner_dict.get(k, '') 填充默认值;
  • 如需写入文件而非打印,只需将 print(...) 替换为 f.write(... + '\n'),并确保使用 csv.writer 或手动转义逗号/引号以符合 RFC 4180 规范。

该方法轻量、清晰、无外部依赖,适用于中小型数据集的快速转置与导出场景。

今天关于《Python字典翻转导出CSV方法》的内容介绍就到此结束,如果有什么疑问或者建议,可以在golang学习网公众号下多多回复交流;文中若有不正之处,也希望回复留言以告知!

多锐用户协议查看方法详解多锐用户协议查看方法详解
上一篇
多锐用户协议查看方法详解
微信电脑版文件手机编辑方法 微信文件修改教程
下一篇
微信电脑版文件手机编辑方法 微信文件修改教程
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    PubMedQA
    深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
    273次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
    325次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
    316次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    HELM
    深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
    289次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    MMBench
    MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
    107次使用