将CSV转换为Python嵌套字典/JSON：按ID分组时间戳流量数据

嘿，我懂你现在的需求——把这份每15分钟一条记录的CSV时间序列数据，转换成按ID分组的嵌套字典或者JSON格式对吧？之前用groupby没搞定可能是细节没处理到位，比如分组后的数据转换步骤不对，下面给你两种实用的解决方案，不管用不用第三方库都能搞定：

方法一：用Pandas快速实现（适合数据量大的场景） #

如果你已经在使用Pandas，这个方法效率很高，能快速处理大量数据：

import pandas as pd
import json

# 读取CSV文件，确保header=0对应你的表头行
df = pd.read_csv('your_data.csv', header=0)

# 按ID分组，将每组的datetime和flow字段转成字典列表
nested_dict = df.groupby('ID').apply(
    lambda group: group[['datetime', 'flow']].to_dict('records')
).to_dict()

# 如果需要导出为JSON格式
json_output = json.dumps(nested_dict, indent=4)
print(json_output)

为什么之前的groupby可能失败？ #

大概率是你没在分组后正确提取需要的字段并转换格式。这里的to_dict('records')会把每组的每一行转成{'datetime': ..., 'flow': ...}的字典，再组合成列表，最后外层的to_dict()把分组结果转成以ID为键的字典，完美匹配你想要的结构。

方法二：纯Python实现（无需第三方库） #

如果不想依赖Pandas，用标准库就能搞定，逻辑更直观，适合小体量数据：

import csv
import json

nested_dict = {}

with open('your_data.csv', 'r') as csv_file:
    # 用DictReader直接把每行转成字典，自动识别表头
    reader = csv.DictReader(csv_file)
    for row in reader:
        id_key = row['ID']
        # 构造单条记录的字典，只保留需要的字段
        record = {
            'datetime': row['datetime'],
            'flow': row['flow']
        }
        # 按ID分组：存在则追加，不存在则新建列表
        if id_key in nested_dict:
            nested_dict[id_key].append(record)
        else:
            nested_dict[id_key] = [record]

# 转成格式化的JSON输出
json_output = json.dumps(nested_dict, indent=4)
print(json_output)

一些注意事项 #

• 确保CSV里的表头和代码中的字段名完全匹配（比如ID、datetime、flow的大小写不能错）
• 如果需要把flow转成数值类型（而不是字符串），可以把row['flow']改成float(row['flow'])或者int(row['flow'])，根据你的数据类型调整
• 如果CSV里有缺失值，可以在读取时加入处理逻辑（比如Pandas里的dropna()，或者纯Python里判断字段是否为空）

内容的提问来源于stack exchange，提问作者TrevP