如何将Pandas DataFrame转换为指定格式的字典？

这里有个可行的方案来实现你想要的结果，咱们一步步拆解实现逻辑：

步骤1：拆分标签并展开行 #

首先需要把每个tags_string里的逗号分隔标签拆成单独的条目，这样才能统计每个标签的出现次数。我们可以用assign创建新的标签列表列，再用explode把列表展开成多行：

df_exploded = df.assign(tags=df['tags_string'].str.split(',')).explode('tags')

这一步之后，df_exploded的结构会变成：

site_category tags_string tags
0            26  aaa,bbb,ccc  aaa
0            26  aaa,bbb,ccc  bbb
0            26  aaa,bbb,ccc  ccc
1            43  ddd,eee,fff  ddd
1            43  ddd,eee,fff  eee
1            43  ddd,eee,fff  fff
2            26  aaa,hhh,iii  aaa
2            26  aaa,hhh,iii  hhh
2            26  aaa,hhh,iii  iii

步骤2：分组统计标签次数 #

接下来按site_category和tags分组，统计每个标签在对应分类下的出现次数，再转换成字典格式：

tag_counts = df_exploded.groupby(['site_category', 'tags']).size().unstack(fill_value=0).to_dict('index')

这一步会得到一个以分类为键，标签计数字典为值的字典：

{'26': {'aaa': 2, 'bbb': 1, 'ccc': 1, 'hhh': 1, 'iii': 1}, '43': {'ddd': 1, 'eee': 1, 'fff': 1}}

步骤3：转换为目标嵌套格式 #

最后把上面的结果转换成你需要的「列表包含大字典，每个分类对应一个包含计数字典的列表」格式：

tags_string_list = [dict(item for sublist in [{k: [v]} for k, v in tag_counts.items()] for item in sublist.items())]

完整代码 #

把所有步骤整合起来，完整代码如下：

import pandas as pd

# 原始数据
data = {'articles': [{'site_category': '26','tags_string': 'aaa,bbb,ccc'}, {'site_category': '43','tags_string': 'ddd,eee,fff'}, {'site_category': '26','tags_string': 'aaa,hhh,iii'}]}
df = pd.json_normalize(data, 'articles')

# 拆分标签并展开
df_exploded = df.assign(tags=df['tags_string'].str.split(',')).explode('tags')

# 分组统计标签次数
tag_counts = df_exploded.groupby(['site_category', 'tags']).size().unstack(fill_value=0).to_dict('index')

# 转换为目标格式
tags_string_list = [dict(item for sublist in [{k: [v]} for k, v in tag_counts.items()] for item in sublist.items())]

print(tags_string_list)

运行后输出结果：

[{"26": [{"aaa": 2, "bbb": 1, "ccc": 1, "hhh": 1, "iii": 1}], "43": [{"ddd": 1, "eee": 1, "fff": 1}]}]

内容的提问来源于stack exchange，提问作者tientoen