使用Python Pandas将CSV转JSON时的格式问题求助

原代码使用orient='records'会生成数组型JSON，每个元素对应CSV的一行，但目标是键值对型JSON（以稀有度标识为键，属性为值），需要调整处理逻辑：

核心解决方案代码 #

import pandas as pd
import json

# 读取CSV文件
df = pd.read_csv('rarities.csv')

# 将CSV中作为目标JSON键的列设为索引（例如'id'列，根据实际CSV结构调整）
df.set_index('id', inplace=True)

# 转换为嵌套字典结构（匹配目标JSON的键值对格式）
result = df.to_dict('index')

# 写入JSON文件，带格式化缩进
with open('rarities.json', 'w', encoding='utf-8') as f:
    json.dump(result, f, indent=2, ensure_ascii=False)

关键调整说明 #

1. 索引设置：通过set_index指定目标JSON的键对应的CSV列（比如CSV中的id字段），确保输出的JSON以该字段值为键。
2. 字典转换：使用to_dict('index')将DataFrame转换为{索引值: {列名: 值}}的结构，完全匹配目标JSON的键值对格式。
3. 格式化输出：用json.dump的indent参数生成可读性更强的格式化JSON，ensure_ascii=False避免中文乱码（如果有）。

处理嵌套结构（若目标JSON有嵌套属性） #

如果目标JSON包含嵌套对象（比如upgradeCost下的多级属性），而CSV列名用.分隔层级（如upgradeCost.1），可额外处理列名生成嵌套结构：

import pandas as pd
import json

df = pd.read_csv('rarities.csv')
df.set_index('id', inplace=True)

# 将带分隔符的列名拆分为多级索引，自动生成嵌套结构
df.columns = pd.MultiIndex.from_tuples([tuple(col.split('.')) for col in df.columns])
result = df.to_dict('index')

with open('rarities.json', 'w', encoding='utf-8') as f:
    json.dump(result, f, indent=2, ensure_ascii=False)

内容的提问来源于stack exchange，提问作者JameyPlay