如何用Pandas/Numpy高效实现字典列表的ID-报告值分组聚合？

方法一：Python原生高效实现（无需第三方库） #

用collections.defaultdict就能简洁搞定，逻辑清晰且效率拉满，200个字典完全不在话下：

from collections import defaultdict

# 你的原始数据列表
data = [
    {"ID001": "Report-1", "ID002": "Report-1", "ID003": "Report-1"},
    {"ID001": "Report-2", "ID005": "Report-5"},
    # 更多字典...
]

result = defaultdict(list)
for d in data:
    for id_, report in d.items():
        result[id_].append(report)

# 可选：转成普通字典
result = dict(result)

这个实现只有两层循环，但逻辑简单直接，Python内置的defaultdict已经做了底层优化，处理200个字典毫无压力。

方法二：Pandas实现（代码更简洁） #

如果习惯用Pandas，这种结构化数据处理简直是强项，步骤清晰代码更短：

import pandas as pd

data = [
    {"ID001": "Report-1", "ID002": "Report-1", "ID003": "Report-1"},
    {"ID001": "Report-2", "ID005": "Report-5"},
    # 更多字典...
]

# 转成DataFrame，缺失值自动填充NaN
df = pd.DataFrame(data)
# 堆叠成(ID, Report)的长格式，过滤空值
stacked = df.stack().reset_index()
# 按ID分组，把关联的报告聚合为列表后转字典
result = stacked.groupby(level=1)[0].apply(list).to_dict()

如果不同字典里的ID差异较大，Pandas的stack操作会自动处理缺失值，后续如果还要对数据做分析，扩展性也更强。

两种方法对比 #

• 原生方法：不用装第三方库，执行速度略快（200个字典的规模几乎没差别），适合轻量场景。
• Pandas方法：代码更简洁，后续要做复杂数据处理时衔接更顺畅。

内容的提问来源于stack exchange，提问作者RohitM