将Pandas DataFrame转换为按Name/Year/Month分组的API格式

原始DataFrame定义 #

import pandas as pd

df = pd.DataFrame({
    'Year': [2023, 2024, 2022,2022, 2023,2025,2024,2025,2022,2023],
    'Name': ['John', 'Jim', 'John','Jim', 'John','Jim','John','Jim','John','Jim'],
    'Month': ['Jan', 'Jan', 'Feb','Jan', 'Jan','Feb','Jan','Jan','Feb','Feb'],
    'Day': [1, 2, 5,6, 7,4,8,24,13,15]
})

实现方法一：利用groupby+unstack快速转换 #

通过分组聚合后直接转为嵌套字典，代码简洁高效：

# 按Name→Year→Month分组，将Day聚合为列表
grouped_data = df.groupby(['Name', 'Year', 'Month'])['Day'].apply(list)
# 转换为多层嵌套字典
api_dict = grouped_data.unstack().unstack().to_dict(orient='index')

实现方法二：循环构建层级结构 #

如果需要更直观的控制逻辑，可通过嵌套循环手动构建字典：

api_dict = {}
# 第一层：按Name分组
for name, name_group in df.groupby('Name'):
    api_dict[name] = {}
    # 第二层：按Year分组
    for year, year_group in name_group.groupby('Year'):
        api_dict[name][year] = {}
        # 第三层：按Month分组，收集Day列表
        for month, month_group in year_group.groupby('Month'):
            api_dict[name][year][month] = month_group['Day'].tolist()

最终输出格式 #

两种方法都会得到符合Name→Year→Month→Day列表层级的字典，示例输出如下：

{
    "Jim": {
        2022: {"Jan": [6]},
        2024: {"Jan": [2]},
        2025: {"Jan": [24], "Feb": [4]}
    },
    "John": {
        2022: {"Feb": [5, 13]},
        2023: {"Jan": [1, 7], "Feb": [15]},
        2024: {"Jan": [8]}
    }
}

该格式可直接作为GET请求的响应数据返回给前端。

内容的提问来源于stack exchange，提问作者SOK