将Pandas DataFrame转为指定格式字典时出错，求排查与修正

我有如下格式的CSV文件：

AccountExternalID    Customer
1                    RogerInc
2                    FredLLC

将其导入Pandas DataFrame后，希望转换为格式为{'RogerInc': 1, 'FredLLC': 2}的字典。以下是我尝试的代码：

def build_custid_dict(csv_path: str=None) -> dict[str]:
    csv_path = r'\\path\CustomerIDs.csv'
    df = pd.read_csv(csv_path)
    # Strip whitespace
    df[df.columns] = df.apply(lambda x: x.str.strip())
    df_dict = df.to_dict('list')
    return df_dict

但未得到预期结果，请问操作中存在什么问题？

问题点梳理 #

• 字典生成方式错误：to_dict('list')会生成以列名为键、对应列值列表为值的字典，输出是{'AccountExternalID': [1,2], 'Customer': ['RogerInc','FredLLC']}，和你要的键值映射完全不符。
• 类型注解错误：返回值标注dict[str]不符合实际，正确应该是dict[str, int]（键为字符串，值为整数）。
• 参数被硬编码覆盖：函数定义了csv_path参数，但直接在函数内赋值覆盖，导致传入的参数无效，失去灵活性。
• 字符串处理逻辑有误：对所有列执行str.strip()，但AccountExternalID是数值类型，这么做会触发错误，应该只处理Customer列。
• CSV读取未指定分隔符：你的CSV用空格分隔，pd.read_csv默认按逗号解析，会导致列识别错误。

修正后的代码 #

import pandas as pd

def build_custid_dict(csv_path: str = r'\\path\CustomerIDs.csv') -> dict[str, int]:
    # 用\s+匹配任意数量空格作为分隔符，正确解析列
    df = pd.read_csv(csv_path, sep='\s+')
    # 仅对Customer列去除首尾空格
    df['Customer'] = df['Customer'].str.strip()
    # 将Customer设为索引，提取AccountExternalID列转为目标字典
    return df.set_index('Customer')['AccountExternalID'].to_dict()

核心说明 #

• sep='\s+'：解决空格分隔的CSV解析问题，确保两列被正确识别。
• set_index('Customer')['AccountExternalID'].to_dict()：直接实现"Customer值为键，对应AccountExternalID为值"的映射，一步到位生成目标格式。
• 修正参数逻辑：把默认路径设为参数默认值，既可以直接调用，也能传入自定义路径。
• 精准处理字符串：只对需要去空格的Customer列操作，避免数值列报错。

内容的提问来源于stack exchange，提问作者uncrayon