如何将DataFrame中的重复数据转换为指定字典结构？

你的代码有两个关键问题导致结果不符合预期：

1. 分组键错误：原数据中的_id是单条成绩记录的唯一ID，不是学生的唯一标识，把它加入groupby会导致每个分组只有一条数据，无法合并同一学生的所有成绩。
2. results结构错误：dict(zip(group['type'], group['grade']))生成的是{类型: 分数}的字典，而你需要的是包含type和grade键的字典列表。

修正后的代码（贴近你的原始写法） #

# 按学生的唯一标识分组，排除单条记录的_id
grouped = df.groupby(['student_id', 'first_name', 'last_name'])
transformed_data = []

# 用enumerate生成预期中的学生序号_id（从1开始）
for student_idx, (group_key, group) in enumerate(grouped, start=1):
    group_dict = {
        "_id": student_idx,
        "student_id": group_key[0],
        "first_name": group_key[1],
        "last_name": group_key[2],
        # 将type和grade列转为字典列表，完全匹配你要的results格式
        "results": group[['type', 'grade']].to_dict('records')
    }
    transformed_data.append(group_dict)

更简洁的pandas聚合写法 #

如果想减少循环，用pandas内置的聚合功能也能实现：

def format_results(group):
    # 将每组的type和grade转为目标字典列表
    return group[['type', 'grade']].to_dict('records')

# 按学生字段分组，聚合生成results列
agg_df = df.groupby(['student_id', 'first_name', 'last_name'], as_index=False).agg(
    results=('type', format_results)
)

# 添加自增的_id列
agg_df['_id'] = agg_df.index + 1

# 调整列顺序并转为最终的字典列表
transformed_data = agg_df[['_id', 'student_id', 'first_name', 'last_name', 'results']].to_dict('records')

输出效果 #

运行上述代码后，transformed_data就会生成你预期的格式：

[
 {
   '_id': 1,
   'student_id': 1001,
   'first_name': 'John',
   'last_name': 'Doe',
   'results': [
     {'type': 'Project', 'grade': 5.92},
     {'type': 'Oral', 'grade': 2.34},
     {'type': 'Quiz', 'grade': 6.59},
     {'type': 'Essay', 'grade': 9.58}
   ]
 },
 {
   '_id': 2,
   'student_id': 1002,
   'first_name': 'Harry',
   'last_name': 'Schmoe',
   'results': [
     {'type': 'Project', 'grade': 8.92},
     {'type': 'Oral', 'grade': 5.94},
     {'type': 'Quiz', 'grade': 4.75},
     {'type': 'Essay', 'grade': 9.58}
   ]
 }
]

内容的提问来源于stack exchange，提问作者Emilia