如何将标准化Pandas DataFrame还原为嵌套字典列表？

当然可以还原，核心思路是通过拆分DataFrame中带点分隔的列名，逐层重建嵌套字典结构。以下是针对你示例的实现代码：

import pandas as pd

# 原始示例数据
sample_list_of_dicts = [
    { 'group1': { 'item1': 'value1', 'item2': 'value2' } },
    { 'group1': { 'item1': 'value3', 'item2': 'value4' } }
]

df = pd.json_normalize(sample_list_of_dicts)

# 定义还原函数
def denormalize_df(df):
    restored = []
    for _, row in df.iterrows():
        nested = {}
        for col_name, value in row.items():
            # 拆分列名的层级
            keys = col_name.split('.')
            current_level = nested
            # 逐层构建嵌套结构
            for key in keys[:-1]:
                if key not in current_level:
                    current_level[key] = {}
                current_level = current_level[key]
            current_level[keys[-1]] = value
        restored.append(nested)
    return restored

# 执行还原并输出
restored_list = denormalize_df(df)
print(restored_list)

逻辑说明 #

• 遍历DataFrame的每一行数据，为每行创建一个空的嵌套字典
• 对每个列名按.拆分，得到层级键列表（比如group1.item1拆分为['group1', 'item1']）
• 从最外层字典开始，逐层进入嵌套层级，不存在的键就创建新的空字典
• 最后将列对应的值赋值给最内层的键
• 把每行构建好的嵌套字典加入结果列表

这个方法同样适用于更深层级的嵌套结构（比如group1.subgroup.item这类列名），无需修改核心逻辑。

内容的提问来源于stack exchange，提问作者espogian