如何将Pandas分组结果转换为指定格式的字典列表？

方法一：透视表 + 转字典列表 #

这是最简洁高效的实现方式，先通过透视表将长格式数据转为宽格式，再直接转换为目标结构：

import pandas as pd

# 构造示例DataFrame
df = pd.DataFrame({
    'Date': ['1.1', '1.1', '1.1', '2.1', '2.1', '2.1', '3.1', '3.1', '3.1'],
    'Column1': ['A', 'B', 'C', 'A', 'B', 'C', 'A', 'B', 'C'],
    'Column2': [1, 3, 4, 2, 3, 5, 1, 2, 2]
})

# 1. 透视表转换为宽格式，将Column1转为列、Column2为对应值
pivot_df = df.pivot(index='Date', columns='Column1', values='Column2').reset_index()
# 2. 直接转为目标字典列表
result = pivot_df.to_dict('records')
print(result)

输出结果完全匹配需求：

[
  {"Date": "1.1", "A": 1, "B": 3, "C": 4},
  {"Date": "2.1", "A": 2, "B": 3, "C": 5},
  {"Date": "3.1", "A": 1, "B": 2, "C": 2}
]

方法二：改进GroupBy的Apply逻辑 #

如果坚持用GroupBy实现，可以在Apply中直接获取分组的name（即Date值），再将其与生成的键值对字典合并：

result = df.groupby('Date').apply(
    lambda g: {'Date': g.name, **dict(zip(g['Column1'], g['Column2']))}
).tolist()

这里用**解包操作符合并两个字典，既保留了Date字段，又保持了代码的紧凑性。

原代码问题说明 #

你之前的代码只处理了分组内的Column1和Column2，没有将分组的键（Date）加入结果字典，所以最终缺失了Date字段。上面两种方法都补上了这个关键环节。

内容的提问来源于stack exchange，提问作者Medanko