如何高效为Pandas DataFrame中每个唯一Name生成对应Value值的列表？

嘿，这个需求用Pandas自带的分组功能就能轻松搞定，而且效率拉满！我给你推荐两种最实用的高效方案：

方法一：groupby + agg(list) + to_dict（最简洁） #

这是最直接也最推荐的写法，利用Pandas优化过的分组聚合能力，一行代码就能搞定：

import pandas as pd

df = pd.DataFrame({
    'Name': ['Jim','Jack','Jim','Jack','Jim','Jack','Mick','Mick'],
    'Day':[1,1,2,2,3,3,4,4],
    'Value':[10,20,30,40,50,60,70,80],
})

# 核心代码
name_value_dict = df.groupby('Name')['Value'].agg(list).to_dict()

执行后，name_value_dict就是你要的结果：

{'Jim': [10, 30, 50], 'Jack': [20, 40, 60], 'Mick': [70, 80]}

你可以直接通过键访问对应列表，比如name_value_dict['Jim']就能得到[10,30,50]。

方法二：字典推导式配合groupby（更直观） #

如果你喜欢更清晰的遍历逻辑，也可以用字典推导式来实现，性能和第一种几乎没差：

name_value_dict = {name: group['Value'].tolist() for name, group in df.groupby('Name')}

为什么这两种方法高效？ #

Pandas的groupby底层是用C语言优化实现的，比你自己写Python循环（比如逐行遍历并手动append到列表）快得多，尤其是当你的DataFrame数据量很大的时候，这种性能差距会非常明显。

内容的提问来源于stack exchange，提问作者SOK