如何从Pandas DataFrame生成指定结构的嵌套字典？

1. 基础循环构建 #

如果已经把各列转成了列表，直接通过循环遍历并分组构建字典即可，这是最直观的方式：

teams = ['A', 'A', 'B', 'B', 'C', 'C']
xy = ['X', 'Y', 'X', 'Y', 'X', 'Y']
percentages = ['80%', '20%', '70%', '30%', '60%', '40%']

result = {}
for team, x_y, p in zip(teams, xy, percentages):
    # 如果团队不在结果字典中，先初始化子字典
    if team not in result:
        result[team] = {}
    # 给当前团队的X/Y赋值对应百分比
    result[team][x_y] = p

执行后就能得到你想要的嵌套结构：{'A': {'X': '80%', 'Y': '20%'}, 'B': {'X': '70%', 'Y': '30%'}, 'C': {'X': '60%', 'Y': '40%'}}

2. 用collections.defaultdict简化代码 #

借助collections模块的defaultdict，可以省去判断团队是否存在的步骤，代码更简洁：

from collections import defaultdict

teams = ['A', 'A', 'B', 'B', 'C', 'C']
xy = ['X', 'Y', 'X', 'Y', 'X', 'Y']
percentages = ['80%', '20%', '70%', '30%', '60%', '40%']

result = defaultdict(dict)
for team, x_y, p in zip(teams, xy, percentages):
    result[team][x_y] = p

# 若需要转为普通字典而非defaultdict，执行：result = dict(result)

3. 基于Pandas的高效实现（推荐） #

既然你提到用.tolist()处理列数据，说明大概率是用Pandas读取的表格。这种情况下，直接用Pandas的分组功能可以一步到位，无需手动处理列表：

import pandas as pd

# 示例DataFrame，替换为你实际读取的表格数据
df = pd.DataFrame({
    'Team': ['A', 'A', 'B', 'B', 'C', 'C'],
    'X or Y': ['X', 'Y', 'X', 'Y', 'X', 'Y'],
    'Percentage': ['80%', '20%', '70%', '30%', '60%', '40%']
})

# 分组后直接生成嵌套字典
result = df.groupby('Team').apply(
    lambda group: group.set_index('X or Y')['Percentage'].to_dict()
).to_dict()

为什么直接用zip失败？ #

你尝试的zip方法会生成包含(team, x_y, p)的元组序列，但如果直接用dict()转换，重复的team键会被最后一次出现的值覆盖，无法实现分组嵌套的结构。必须通过分组逻辑，将同一团队的X/Y和百分比对应起来。

内容的提问来源于stack exchange，提问作者Yogesh Riyat