如何将DataFrame转换为Region-Country层级的嵌套字典并保留全量数据？

需要把包含Name、Firstname、Age、Region、Country字段的DataFrame，转换为外层以Region为键，内层以Country为键，对应值为该国家下(Name, Firstname, Age)元组列表的嵌套字典，预期结构如下：

{
    'EUROPE': {
        'FRANCE': [('DUPONT', 'Jean', '33'), ('PEPIN', 'Jacques', '42')],
        'ALLEMAGNE': [('MARTIN', 'Eric', '32')]
    },
    'ASIA': {
        'CHINA': [('SCHUMACHER', 'Philippe', '35')]
    }
}

尝试了以下代码：

df_dic = dict([(i, [(x, [y, z])]) for i, x, y, z in zip(df['Region'], df['Country'], df['Name'], df['Firstname'], df['Age'])])

但执行后丢失2行数据，且Country未作为内层字典的键，返回结果不符合预期：

{
    'EUROPE': [('ALLEMAGNE': ['MARTIN', 'Eric', '32'])],
    'ASIA': [('CHINA': ['SCHUMACHER', 'Philippe', '35'])]
}

请问如何实现符合预期的转换？

方法一：利用pandas分层分组聚合（高效简洁） #

通过两次分组（先Region再Country），对每组数据生成目标元组列表，最后转换为嵌套字典：

# 按Region、Country分组，将每组的Name/Firstname/Age转为元组列表
grouped = df.groupby(['Region', 'Country']).apply(
    lambda g: list(zip(g['Name'], g['Firstname'], g['Age']))
).unstack()

# 转换为目标嵌套字典
result = {region: grouped[region].dropna().to_dict() for region in grouped.index}

方法二：手动循环构建字典（直观可控） #

遍历DataFrame每一行，逐步填充嵌套字典的层级结构：

result = {}
for _, row in df.iterrows():
    region = row['Region']
    country = row['Country']
    person_tuple = (row['Name'], row['Firstname'], row['Age'])
    
    # 初始化外层Region键
    if region not in result:
        result[region] = {}
    # 初始化内层Country对应的列表
    if country not in result[region]:
        result[region][country] = []
    # 将元组添加到对应列表
    result[region][country].append(person_tuple)

原代码出错原因 #

• 字典推导式中，同一个Region会被多次赋值，后遍历的行会覆盖之前的，导致数据丢失；
• 没有构建内层字典结构，错误地把Country和元组放进了列表，完全不符合目标格式。

内容的提问来源于stack exchange，提问作者Odissine