如何将Pandas DataFrame转为指定结构字典？寻dataclass替代简便方法

你当前用dataclass实现了需求，但可以直接利用Pandas的groupby结合to_dict方法，无需定义额外的数据类，代码更简洁高效。以下是两种可行方案：

方案一：groupby + apply 链式调用 #

import pandas as pd

df = pd.DataFrame({
    "item": ["a-1","a-1","a-1","a-2","a-2","a-2","b-1","b-1"],
    "settings_id": ["b1","x1","y4","k1","3a","x1","y4","b1"],
    "mat_id":[32,12,3,0,2,94,32,9],
    "order":[1,2,3,1,2,3,1,2]
})

result = {
    'roots': df.groupby('item', sort=False).apply(
        lambda group: {
            'item': group.name,
            'settings': group.drop('item', axis=1).to_dict('records')
        }
    ).tolist()
}

方案二：列表推导式遍历分组 #

如果觉得lambda不够直观，也可以用列表推导式直接遍历groupby的结果：

result = {
    'roots': [
        {
            'item': item_name,
            'settings': group.drop('item', axis=1).to_dict('records')
        }
        for item_name, group in df.groupby('item', sort=False)
    ]
}

关键说明： #

1. sort=False：确保分组后的item顺序和原DataFrame中出现的顺序一致（默认groupby会按item值排序）
2. to_dict('records')：将每组数据转换为字典列表，正好匹配你需要的settings结构
3. 无需定义dataclass：直接利用Pandas原生方法完成层级转换，代码量大幅减少，且大数据量下效率远高于iterrows循环

原dataclass代码的小问题修正 #

你当前的代码中存在一处笔误：Setting.from_dict方法里返回的是Statistic，应该改为Setting，否则会报错。

内容的提问来源于stack exchange，提问作者9001_db