如何用字典推导式将Pandas DataFrame转为指定格式字典？

我有一个包含城市及其相关信息的Pandas DataFrame，需要使用字典推导式，以城市所属国家（来自df['country']列）为字典的键，对应国家的城市列表（来自df['city']列）为值，生成目标字典。

尝试多种方法后始终报错，提示Pandas序列是可变且不可哈希的；转为字符串列表后仍出现同样错误。此外不清楚如何在字典推导式中添加条件，将城市归入对应国家键的列表值中。

尝试的代码如下：

key = df['country'].tolist()
value = df['city']
Megacities_dict = {key: value for value in df if key == df['country'] }

预期输出格式：

{'Japan': ['Osaka', 'Tokyo', ...], 'China': ['Beijing'...], ...}

实际得到的错误信息：

ValueError: The truth value of a Series is ambiguous. Use a.empty, a.bool(), a.item(), a.any() or a.all().

代码错误原因：

• 直接将整个country列表和city列赋值给key、value，未实现逐行数据的遍历匹配
• 推导式中for value in df实际是遍历DataFrame的列名，而非每行数据
• 条件key == df['country']用列表与Series做比较，触发模糊真值判断错误

以下是两种正确实现方式：

方法一：分组+字典推导式（高效简洁） #

利用Pandas分组功能直接生成目标字典，这是最优方案：

Megacities_dict = {country: group['city'].tolist() for country, group in df.groupby('country')}

• df.groupby('country')将数据按国家分组，每个分组对应一个国家的所有行数据
• 遍历分组时，country作为字典的键，分组内的city列转为列表后作为对应值

方法二：逐行遍历构建（适合理解逻辑） #

如果想从基础逻辑入手，先初始化空字典，再逐行添加城市到对应国家的列表中：

Megacities_dict = {}
for _, row in df.iterrows():
    country = row['country']
    city = row['city']
    Megacities_dict.setdefault(country, []).append(city)

也可以写成字典推导式的形式（本质是利用列表推导式完成遍历操作）：

Megacities_dict = {}
_ = [Megacities_dict.setdefault(row['country'], []).append(row['city']) for _, row in df.iterrows()]

不过这种写法效率低于分组方式，数据量大时更推荐用groupby实现。

内容的提问来源于stack exchange，提问作者Fran Rodriguez