如何用纯Python基于含重复值的DataFrame列生成嵌套字典？

需求说明 #

我有一个形状为7739×4的DataFrame，需要将其转换为如下结构的嵌套字典：

values = {
    'Khulna':{
        'Bagerhat':{
            'BagerhatSadar': ['WardNo01','WardNo02','WardNo03','WardNo04','WardNo05','WardNo06','WardNo07','WardNo08','WardNo09'],
            'Mongla': ['WardNo02']
        }
    }
}

纯Python实现方案 #

假设DataFrame的四列依次对应一级键（如Khulna）、二级键（如Bagerhat）、三级键（如BagerhatSadar）、列表元素（如WardNo01），可以通过遍历DataFrame的每一行，逐步构建嵌套字典：

代码实现 #

# 假设你的DataFrame名为df，列名依次对应层级键和列表元素
values = {}

for _, row in df.iterrows():
    level1 = row[0]
    level2 = row[1]
    level3 = row[2]
    ward = row[3]
    
    # 逐层初始化嵌套结构
    if level1 not in values:
        values[level1] = {}
    if level2 not in values[level1]:
        values[level1][level2] = {}
    if level3 not in values[level1][level2]:
        values[level1][level2][level3] = []
    
    # 添加元素到对应列表（数据无重复可省略去重判断）
    if ward not in values[level1][level2][level3]:
        values[level1][level2][level3].append(ward)

关键说明 #

• 遍历DataFrame的每一行，依次提取四级数据字段；
• 逐层检查字典键是否存在，不存在则初始化对应的空字典或空列表；
• 若DataFrame有明确列名，可将row[0]这类索引取值替换为列名取值，比如row['Division']、row['District']；
• 如果原始数据中不存在重复的 ward 条目，可以删除去重判断，提升遍历效率。

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