如何将带权重的边列表（Pandas DataFrame）导出为JSON树？

原始数据 #

给定如下Pandas DataFrame（实际包含200+行数据）：

import pandas as pd
df = pd.DataFrame({
    'child': ['Europe', 'France', 'Paris','North America', 'US', 'Canada'],
    'parent': ["", 'Europe', 'France',"", 'North America', 'North America'],
    'value': [746.4, 67.75, 2.16, 579,331.9, 38.25]
})

DataFrame结构如下：

|---+---------------+---------------+--------|
|   | child         | parent        |  value |
|---+---------------+---------------+--------|
| 0 | Europe        |               | 746.40 |
| 1 | France        | Europe        |  67.75 |
| 2 | Paris         | France        |   2.16 |
| 3 | North America |               | 579.00 |
| 4 | US            | North America | 331.90 |
| 5 | Canada        | North America |  38.25 |
|---+---------------+---------------+--------|

目标结构 #

需要生成如下嵌套JSON树结构，作为ECharts旭日图的输入：

[
    {
        name: 'Europe',
        value: 746.4,
        children: [
            {
                name: 'France',
                value: 67.75,
                children: [
                    {
                        name: 'Paris',
                        value: 2.16
                    }
                ]
            }
        ]
    },
    {
        name: 'North America',
        value: 579,
        children: [
            {
                name: 'US',
                value: 331.9
            },
            {
                name: 'Canada',
                value: 38.25
            }
        ]
    }
];

解决方案 #

通过递归遍历DataFrame构建层级字典，再转换为符合要求的JSON结构，代码实现如下：

import pandas as pd
import json

def build_tree(df):
    # 构建节点字典，快速定位节点
    node_dict = {}
    for _, row in df.iterrows():
        node_dict[row['child']] = {
            'name': row['child'],
            'value': row['value'],
            'children': []
        }
    
    # 组装树的层级关系
    root_nodes = []
    for _, row in df.iterrows():
        parent_name = row['parent'].strip()
        child_node = node_dict[row['child']]
        if not parent_name:
            root_nodes.append(child_node)
        else:
            node_dict[parent_name]['children'].append(child_node)
    
    # 移除无子女节点的children字段，精简结构
    def clean_empty_children(node):
        if not node['children']:
            del node['children']
        else:
            for child in node['children']:
                clean_empty_children(child)
    
    for node in root_nodes:
        clean_empty_children(node)
    
    return root_nodes

# 生成树结构并转为JSON
tree_structure = build_tree(df)
json_result = json.dumps(tree_structure, indent=4, ensure_ascii=False)
print(json_result)

代码说明 #

1. 节点字典初始化：遍历DataFrame，将每个子节点存入字典，后续可通过名称快速查找父/子节点。
2. 层级组装：再次遍历DataFrame，根据parent字段将子节点挂载到对应父节点的children列表中，无父节点的直接作为根节点。
3. 结构精简：递归清理没有子节点的children字段，让最终结构和示例一致。
4. JSON转换：用json.dumps将树结构转为JSON字符串，可直接用于ECharts的配置项。

内容的提问来源于stack exchange，提问作者crocefisso