如何无需显式转换Pandas Series，按值分组并返回索引列表字典？

我有一个如下所示的Pandas Series：

import numpy as np
import string
import pandas as pd

np.random.seed(0)
data = np.random.randint(1,6,10)
index = list(string.ascii_lowercase)[:10]
a = pd.Series(data=data,index=index,name='apple')

输出的Series为：

a    5
b    1
c    4
d    4
e    4
f    2
g    4
h    3
i    5
j    1
Name: apple, dtype: int32

我希望按Series的值进行分组，返回一个以值为键、对应索引列表为值的字典，目标结果如下：

{1: ['b', 'j'], 2: ['f'], 3: ['h'], 4: ['c', 'd', 'e', 'g'], 5: ['a', 'i']}

我当前的实现方式如下：

b = a.reset_index().set_index('apple').squeeze()
grouped = b.groupby(level=0).apply(list).to_dict()

但这种先显式转换Series的方式不够Pythonic，请问是否可以通过单个函数或链式调用一行代码实现该需求？

解决方案 #

可以通过链式调用一行代码实现，无需显式转换中间变量，更符合Pythonic风格：

grouped = a.groupby(a).apply(lambda x: x.index.tolist()).to_dict()

代码解释： #

• a.groupby(a)：直接以原Series的值作为分组依据，对Series进行分组
• apply(lambda x: x.index.tolist())：对每个分组，提取其索引并转换为列表
• to_dict()：将分组后的结果直接转为目标格式的字典

另外，也可以通过reset_index配合agg实现可读性更强的链式调用：

grouped = a.reset_index().groupby('apple')['index'].agg(list).to_dict()

这种方式通过reset_index将原索引转为普通列，再按apple列分组，对index列聚合为列表后转字典，逻辑更直观。

内容的提问来源于stack exchange，提问作者agftrading