如何按artwork_id分组DataFrame并转换为指定格式JSON？

我有一个包含150行数据的DataFrame，以下是两行示例数据：

artwork_id  creator_id  department_id   art_work    creator department
0   86508   29993   21  {'id': '86508', 'accession_number': '2015.584'...}   {'id': '29993', 'role': 'artist', 'description...}   {'id': '21', 'name': 'Prints'}
1   86508   68000   21  {'id': '86508', 'accession_number': '2015.584'...}   {'id': '68000', 'role': 'printer', 'descriptio...}   {'id': '21', 'name': 'Prints'}

需要将其转换为如下结构的JSON数据：

每个条目对应一个唯一的artwork_id，包含：

• artwork：该作品的完整信息字典（同作品下数据一致）
• department：所属部门的完整信息字典（同作品下数据一致）
• creators：该作品所有创作者的信息字典组成的数组

我尝试了以下代码，但未得到预期结果：

df.groupby(['artwork_id']).agg(lambda x: list(x))
df.to_json(orient = 'records')

问题分析 #

1. 原代码未将分组结果赋值给变量，分组操作等于无效执行；
2. 直接用lambda x: list(x)会把所有字段无差别转成列表，而我们需要artwork和department保留单个字典值，仅creator转为数组；
3. DataFrame中art_work、creator、department是字符串格式的字典，需先转为实际字典对象，否则转JSON后会是字符串而非嵌套结构。

完整代码 #

import pandas as pd
import ast

# 1. 将字符串格式的字典转为Python实际字典
df['art_work'] = df['art_work'].apply(ast.literal_eval)
df['creator'] = df['creator'].apply(ast.literal_eval)
df['department'] = df['department'].apply(ast.literal_eval)

# 2. 按artwork_id分组，指定每个字段的聚合逻辑
grouped_df = df.groupby('artwork_id').agg(
    artwork=('art_work', 'first'),  # 同作品下数据一致，取第一个即可
    department=('department', 'first'),
    creators=('creator', list)  # 收集该作品的所有创作者
).reset_index(drop=True)

# 3. 转换为指定格式的JSON
result_json = grouped_df.to_json(orient='records', indent=2)
print(result_json)

代码说明 #

• ast.literal_eval()：安全解析字符串格式的字典，避免eval()的安全风险；
• agg()方法明确指定每个字段的聚合规则，精准控制输出结构；
• reset_index(drop=True)：移除分组后的artwork_id索引，让JSON结构更简洁；
• orient='records'：将DataFrame转为JSON数组格式，indent=2让JSON更易读。

内容的提问来源于stack exchange，提问作者udaykumar gajavalli