如何使用Python Pandas将DataFrame转换为指定嵌套格式的JSON文件并正确获取列数据

我明白你现在的困扰——想要把包含品牌、车型和价格的DataFrame转成指定的嵌套JSON结构，但目前只能提取到价格列。其实你的分组聚合步骤已经做对了，只差最后一步把多级索引的结果转换成嵌套字典！

问题分析 #

你当前的代码执行后得到的是一个多级索引（MultiIndex）的Series，它的结构是(name, carmodel)作为索引，对应price值。直接导出的话没法自动变成你要的嵌套JSON，需要先把这个结构转换成嵌套字典。

完整解决方案代码 #

import pandas as pd
import json

# 读取CSV并处理价格数据类型
df = pd.read_csv(r'D:\vucar\scraper\result.csv', dtype='unicode')
df['price'] = pd.to_numeric(df['price'], downcast='float')

# 分组聚合（你的这部分代码没问题）
cars = df[['name','carmodel','price']].sort_values('name').groupby(['name','carmodel']).mean()['price']

# 核心操作：将多级索引Series转为嵌套字典
nested_car_dict = cars.unstack().to_dict('index')

# 可选：如果存在缺失值（比如某个品牌下部分车型没有数据），可以填充0或删除
# nested_car_dict = cars.unstack().fillna(0).to_dict('index')

# 输出查看结构是否符合预期
print(nested_car_dict)

# 写入JSON文件
with open('car_prices.json', 'w', encoding='utf-8') as f:
    json.dump(nested_car_dict, f, indent=4, ensure_ascii=False)

关键步骤解释 #

1. unstack()：把MultiIndex的第二层（carmodel）从索引转为列，这样每个品牌（name）对应一行，列名是车型，值是价格。
2. to_dict('index')：将处理后的DataFrame转换为嵌套字典，外层键是品牌名，内层字典的键是车型，值是对应的平均价格，完美匹配你想要的JSON结构。

这样运行后，生成的JSON文件就会和你期望的嵌套结构完全一致啦！

内容的提问来源于stack exchange，提问作者pepongcute266