在python中操作excel会使用如下代码：

df = pd.read_excel(file_stream)
data = df.to_dict(orient='records')  # 输出形如：[{'Name': 'Alice', 'Age': 25}, {'Name': 'Bob', 'Age': 30}]

其中orient='records'是什么意思呢？

以下是 orient 支持的所有模式及其效果：

1. orient='dict'（默认）

  • ​结构​：字典的键是列名，值是对应列的 ​数据列表。

  • ​示例​：

    {
    "列名1": [值1, 值3, ...],
    "列名2": [值2, 值4, ...],
    ...
}

2. orient='list'

  • ​结构​：与 orient='dict' 类似，但外层用列表包装。

  • ​示例​：

    [
    {"列名1": 值1, "列名2": 值2, ...},
    {"列名1": 值3, "列名2": 值4, ...},
    ...
]

3. orient='split'

  • ​结构​：将数据拆分为键 index、columns 和 data。

  • ​示例​：

    {
    "index": [行索引1, 行索引2, ...],
    "columns": ["列名1", "列名2", ...],
    "data": [
        [值1, 值2, ...],  # 第1行
        [值3, 值4, ...],  # 第2行
        ...
    ]
}

4. orient='index'

  • ​结构​：字典的键是行索引，值是每行的数据字典。

  • ​示例​：

    {
    行索引1: {"列名1": 值1, "列名2": 值2, ...},
    行索引2: {"列名1": 值3, "列名2": 值4, ...},
    ...
}

5. orient='tight'（Pandas 1.4+）

  • ​结构​：类似 orient='split'，但包含更多元数据。

  • ​示例​：

    {
    "index": [行索引1, 行索引2, ...],
    "columns": ["列名1", "列名2", ...],
    "data": [[值1, 值2, ...], [值3, 值4, ...], ...],
    "index_names": [索引名],
    "column_names": [列名]
}

​对比示例​

假设有一个 DataFrame：

import pandas as pd

df = pd.DataFrame({
    "Name": ["Alice", "Bob"],
    "Age": [25, 30]
})

使用 orient='records'

print(df.to_dict(orient='records'))
# 输出：
# [{'Name': 'Alice', 'Age': 25}, {'Name': 'Bob', 'Age': 30}]

使用 orient='dict'

print(df.to_dict(orient='dict'))
# 输出：
# {'Name': {0: 'Alice', 1: 'Bob'}, 'Age': {0: 25, 1: 30}}

​如何选择 orient 参数？​​

  • ​API 响应​：选 'records'（直接对应 JSON 数组）。

  • ​按列处理数据​：选 'dict' 或 'list'。

  • ​需要行索引信息​：选 'index' 或 'split'。

  • ​兼容其他工具​：根据目标格式要求选择（如某些库需要 'split'）。

​总结​

  • orient='records' 生成的是 ​按行组织的字典列表，适合直接转换为 JSON 数组。

  • 其他 orient 参数提供了灵活的数据结构适配，可根据具体需求选择。