如何将 DataFrame 高效转换为多层嵌套字典_网络技术

如何将 DataFrame 高效转换为多层嵌套字典

发布时间 - 2026-01-23 00:00:00 点击率：次

本文介绍使用 pandas 的链式 `groupby` 与 `apply` 方法，无需显式循环即可将 dataframe 转换为任意深度（如两层）的嵌套字典，显著提升代码简洁性与可读性。

在数据处理中，常需将扁平化的 DataFrame 按多个层级键（如 'col1' → 'col2'）组

织为嵌套字典结构，便于后续 JSON 序列化、API 响应构造或配置管理。传统双层 for 循环虽直观，但冗长且不易维护。Pandas 提供了更优雅的向量化方案：嵌套 groupby().apply() 配合 to_dict('records')。

核心思路是逐级分组并聚合：

先按第一级键（如 'col1'）分组；
对每个子组再按第二级键（如 'col2'）分组；
将最内层子组直接转为记录列表（to_dict('records')）；
最终调用 .to_dict('index') 将外层 Series 转为字典。

以下是完整实现：

import pandas as pd
from pprint import pprint

# 构造示例数据
a = pd.DataFrame([
    {'col1': 'A', 'col2': 'Person 1', 'height': 1, 'weight': 10},
    {'col1': 'A', 'col2': 'Person 1', 'height': 2, 'weight': 20},
    {'col1': 'A', 'col2': 'Person 1', 'height': 3, 'weight': 30},
    {'col1': 'A', 'col2': 'Person 2', 'height': 4, 'weight': 40},
    {'col1': 'A', 'col2': 'Person 2', 'height': 5, 'weight': 50},
    {'col1': 'A', 'col2': 'Person 2', 'height': 6, 'weight': 60},
    {'col1': 'B', 'col2': 'Person 1', 'height': 11, 'weight': 101},
    {'col1': 'B', 'col2': 'Person 1', 'height': 21, 'weight': 201},
    {'col1': 'B', 'col2': 'Person 1', 'height': 31, 'weight': 301},
    {'col1': 'B', 'col2': 'Person 2', 'height': 41, 'weight': 401},
    {'col1': 'B', 'col2': 'Person 2', 'height': 51, 'weight': 501},
    {'col1': 'B', 'col2': 'Person 2', 'height': 61, 'weight': 601},
])

# ✅ 推荐：单行嵌套 groupby 实现两层嵌套字典
out = a.groupby('col1').apply(
    lambda x: x.groupby('col2').apply(lambda y: y.to_dict('records'))
).to_dict('index')

pprint(out)

该方法可轻松扩展至 三层及以上嵌套（例如再增加 'col3'）：

# 三层示例（伪代码，需确保 col3 存在）
out_3level = a.groupby('col1').apply(
    lambda x: x.groupby('col2').apply(
        lambda y: y.groupby('col3').apply(lambda z: z.to_dict('records'))
    )
).to_dict('index')

⚠️ 注意事项：

to_dict('index') 是关键——它将 groupby().apply() 返回的 Series（索引为 'col1' 值）转为字典；若省略，结果仍是 Series 对象。
内层 apply(lambda y: y.to_dict('records')) 返回的是 Series（索引为 'col2'），外层 .to_dict('index') 自动将其展开为第二层键值对。
性能上，此方法仍基于 Pandas 分组引擎，比纯 Python 循环更高效，尤其在中等规模数据（万行级）下优势明显。
若需排除分组列（如 'col1', 'col2'）以精简输出字典字段，可在 to_dict('records') 前使用 drop(columns=['col1','col2'])。

总结：利用 groupby().apply() 的函数式嵌套能力，可完全替代手动循环，写出清晰、可读、可扩展的多级嵌套字典构建逻辑，是 Pandas 高级数据重塑的典型实践。

# python # js # json # app # 键值对

相关栏目：【网站优化151355 】【网络推广146373 】【网络技术251813 】【 AI营销90571 】

上一篇：notepad++怎么注释

下一篇：7881游戏交易平台官网是多少 7881游戏交易平台官方下

相关栏目网站优化
网络推广
网络技术
AI营销

最新文章 Sublime怎么一键压缩JS代码 Su sublime如何在搜索中使用正则表达式 Sublime如何设置透明窗口效果 Su mysql如何设计商品表结构_mysql css属性背景图不显示怎么办_通过检查路如何使用Golang实现排序_Golan 农历闰月是怎么回事_为合回归年加一月调整塑造《刺客信条》艾吉奥传奇的编剧离开育碧 1英里等于多少公里 1mile和km的换 css grid布局中行和列是如何定义的 PS批量旋转和翻转图片，快速校正图片方向 C# Swagger UI自定义方法 C OPPO手机九宫格和全键盘怎么切换_OP Go语言如何实现用户登录注册_Golan 1节飞行速度多少公里每小时 1节是多少公纸嫁衣8千子树第五章庙门怎么开启庙门 Laravel 多行数据编辑表单中实现逐明日之后如何提升钓鱼等级明日之后提升钓支付宝怎样查年度账单_支付宝年度账单查看 C# 多线程UI更新Dispatcher

上一篇：notepad++怎么注释

下一篇：7881游戏交易平台官网是多少 7881游戏交易平台官方下