如何将DataFrame转换为streamlit_tree_select所需的父子嵌套字典结构？

要实现这个需求，我们可以通过分组查询+递归构建的方式快速完成层级结构的转换，具体步骤如下：

实现思路 #

1. 将DataFrame转换为以idnr为键的字典，方便快速定位任意节点
2. 用groupby('parkey')将所有节点按父ID分组，快速获取任意父节点对应的子节点列表
3. 从根节点（parkey=0的节点）开始，递归为每个节点添加children字段，挂载对应的子节点

完整代码示例 #

import pandas as pd

# 示例数据
data = [
  {"idnr": 1,"parkey": 0,"descr": "A","info":"string"},
  {"idnr": 2,"parkey": 0,"descr": "B","info":"string"},
  {"idnr": 3,"parkey": 2,"descr": "B B 1","info":"string"},
  {"idnr": 4,"parkey": 3,"descr":"B B B 1","info":"string"},
  {"idnr": 5,"parkey": 3,"descr":"B B B 2","info":"string"}
]

df = pd.DataFrame(data)

# 按父ID分组，记录每个父ID对应的子节点ID列表
children_map = df.groupby('parkey')['idnr'].groups

# 将DataFrame转为字典，用idnr作为键，便于快速查找节点
node_lookup = df.set_index('idnr').T.to_dict('dict')

# 递归构建树结构
def build_node_tree(node_id):
    current_node = node_lookup[node_id].copy()
    # 如果当前节点有子节点，递归添加children字段
    if node_id in children_map:
        current_node['children'] = [build_node_tree(child_id) for child_id in children_map[node_id]]
    return current_node

# 提取所有根节点（parkey=0）并构建完整树
root_node_ids = df[df['parkey'] == 0]['idnr'].tolist()
output = [build_node_tree(node_id) for node_id in root_node_ids]

# 输出结果
print(output)

代码说明 #

• children_map：通过分组得到的父ID与子节点ID的映射，避免每次查找子节点都遍历整个DataFrame
• node_lookup：将每个节点转为字典并以idnr索引，实现O(1)时间复杂度的节点查询
• build_node_tree：递归函数，负责为当前节点挂载所有子节点，子节点会继续递归处理自身的子节点

运行代码后得到的output结构完全符合期望格式，可以直接传入streamlit_tree_select组件使用。

内容的提问来源于stack exchange，提问作者HedgeHog