我有一个包含以下数据的数据框df：
Name Value Code
a 1 1
b 2 1
c 3 2
d 4 2
我想将此数据帧转换为字典。我尝试了asDict（）：
map(lambda row: row.asDict(), df.collect())
它给出以下输出：
[{'Code': 1, 'Name': u'a', 'Value': 1}, {'Code': 1, 'Name': u'b', 'Value': 2}, {'Code': 2, 'Name': u'c', 'Value': 3}, {'Code': 2, 'Name': u'd', 'Value': 4}]
在此对字段进行排序。但是我想保留字段的顺序。
我的输出应如下所示：
[{'Name': u'a', 'Value': 1,'Code': 1}, {'Name': u'b', 'Value': 2,'Code': 1}, {''Name': u'c', 'Value': 3,Code': 2}, {'Name': u'd', 'Value': 4,'Code': 2}]
除了使用asDict（）方法以外，还有其他方法可以实现此目的吗？
版权声明：本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
在Python中，如果你使用的是Pandas库来处理数据框（DataFrame），你可以直接利用to_dict()函数，并通过指定orient参数来保持原数据列的顺序。以下是一个示例代码段，展示如何实现你的需求：
import pandas as pd
# 假设df是你的DataFrame
data = {'Name': ['a', 'b', 'c', 'd'],
'Value': [1, 2, 3, 4],
'Code': [1, 1, 2, 2]}
df = pd.DataFrame(data)
# 转换为字典，保持列的顺序
dict_list = df.to_dict(orient='records')
print(dict_list)
这段代码会输出你想要的结果格式，其中字典列表中的每个字典都按照df中的列顺序排列。orient='records'参数保证了每一行转换成一个字典，并且列的顺序被保留。
如果你是在使用Spark DataFrame（从你的尝试代码来看似乎是这样），那么在Spark 2.x及以上版本中，asDict()方法默认应该已经按照DataFrame的列顺序来生成字典了。但如果你发现顺序不对，可能是因为内部实现或环境配置的原因。不过，通常情况下，Spark DataFrame转换为字典时确实会保持列的原始顺序。
如果上述方法不能满足你的需求，或者你遇到了特定环境下的问题，确保你的Spark版本是最新的，并检查是否有其他代码逻辑影响了列的排序。在大多数标准使用场景下，直接使用.collect()后对每个Row对象调用.asDict()应该是能够保持DataFrame列顺序的。
