以熊猫为例，这就容易得多。 假设你有以下CSV格式的数据，我们把它命名为test.txt / test.csv(你知道CSV是一种文本文件)

a,b,c,d
1,2,3,4
5,6,7,8

现在用熊猫

import pandas as pd
df = pd.read_csv("./text.txt")
df_to_doct = df.to_dict()

对于每一行，它都是

df.to_dict(orient='records')

就是这样。

如果你有:

csv中只有一个键和一个作为键的值 不想导入其他包 想要一次创造字典

这样做:

mydict = {y[0]: y[1] for y in [x.split(",") for x in open('file.csv').read().split('\n') if x]}

它能做什么?

它使用列表推导式来分割行，最后一个“if x”用于忽略空行(通常在末尾)，然后使用字典推导式将空行解压缩到字典中。

假设你有一个这样结构的CSV:

"a","b"
1,2
3,4
5,6

你希望输出是:

[{'a': '1', ' "b"': '2'}, {'a': '3', ' "b"': '4'}, {'a': '5', ' "b"': '6'}]

zip函数(还没有提到)非常简单，而且非常有用。

def read_csv(filename):
    with open(filename) as f:
        file_data=csv.reader(f)
        headers=next(file_data)
        return [dict(zip(headers,i)) for i in file_data]

如果你更喜欢熊猫，它也可以很好地做到这一点:

import pandas as pd
def read_csv(filename):
    return pd.read_csv(filename).to_dict('records')

也可以使用numpy。

from numpy import loadtxt
key_value = loadtxt("filename.csv", delimiter=",")
mydict = { k:v for k,v in key_value }

如果你可以使用numpy包，那么你可以像下面这样做:

import numpy as np

lines = np.genfromtxt("coors.csv", delimiter=",", dtype=None)
my_dict = dict()
for i in range(len(lines)):
   my_dict[lines[i][0]] = lines[i][1]

许多解决方案已经发布，我想贡献我的解决方案，它适用于CSV文件中不同数量的列。 它创建一个每列有一个键的字典，每个键的值是一个包含该列元素的列表。

    input_file = csv.DictReader(open(path_to_csv_file))
    csv_dict = {elem: [] for elem in input_file.fieldnames}
    for row in input_file:
        for key in csv_dict.keys():
            csv_dict[key].append(row[key])