如何将列名带统计后缀的单行DataFrame转换为嵌套字典？

假设你的DataFrame是df，可以用以下步骤实现需求：

1. 先把单行DataFrame转为Series #

单行DataFrame的结构用Series处理更方便，直接取第一行即可：

import pandas as pd

# 将单行DataFrame转为Series
s = df.iloc[0]

2. 遍历列名拆分并构建嵌套字典 #

利用rsplit('_', 1)从列名右侧拆分一次，确保即使前缀包含下划线（比如user_active_days_avg）也能正确分割出统计类型（avg/std）：

基础写法

result = {}
for col_name, value in s.items():
    # 拆分列名为前缀（如subscription_id）和统计类型（avg/std）
    prefix, stat_type = col_name.rsplit('_', 1)
    # 初始化前缀对应的字典（如果不存在）
    if prefix not in result:
        result[prefix] = {}
    # 填充统计值
    result[prefix][stat_type] = value

更简洁的写法（用defaultdict）

如果不想每次判断前缀是否存在，可以用collections.defaultdict简化代码：

from collections import defaultdict

result = defaultdict(dict)
for col_name, value in s.items():
    prefix, stat_type = col_name.rsplit('_', 1)
    result[prefix][stat_type] = value

# 若需要转为普通字典而非defaultdict，执行下面一行
result = dict(result)

示例效果 #

比如输入的示例DataFrame：

data = {
    'subscription_id_avg': [0.36],
    'subscription_id_std': [1.5],
    'user_count_avg': [100],
    'user_count_std': [20]
}
df = pd.DataFrame(data)

运行代码后得到的result为：

{'subscription_id': {'avg': 0.36, 'std': 1.5}, 'user_count': {'avg': 100, 'std': 20}}

这种方法可以轻松处理84列的规模，遍历一次即可完成转换，效率很高。

内容的提问来源于stack exchange，提问作者kate22