Pandas如何按Type列拆分CSV读取的数据生成多个分类字典

不需要先把整个DataFrame转成嵌套字典再做过滤，直接在DataFrame层面完成筛选再转字典，逻辑更简单也不会出现多余嵌套层级。

基础实现（固定两类分类场景） #

直接按Type列的前缀筛选对应分类的行，调用to_dict时指定orient='list'参数，就能直接生成列名映射列值列表的目标格式：

# 筛选Food类数据转字典
food_type_df = df[df["Type"].str.startswith("Food_")]
food_type_dict = food_type_df.to_dict(orient="list")

# 筛选Car类数据转字典
car_type_df = df[df["Type"].str.startswith("Car_")]
car_type_dict = car_type_df.to_dict(orient="list")

执行后得到的输出完全匹配要求：

food_type_dict = {'Type': ['Food_Place_1', 'Food_Place_2'], 'Value': [1, 2]}
car_type_dict = {'Type': ['Car_Type_1', 'Car_Type_2'], 'Value': [3, 4]}

通用实现（多分类场景） #

如果后续分类数量变多，不需要逐个写筛选逻辑，可以先提取分类标识再分组批量生成：

# 提取Type值中下划线前的内容作为分类标识
df["category_tag"] = df["Type"].str.split("_").str[0]

category_dict_map = {}
# 按分类分组批量生成对应字典
for tag, group_df in df.groupby("category_tag"):
    # 去掉临时加的分类标签列，再转成目标格式
    category_dict_map[f"{tag.lower()}_type_dict"] = group_df.drop(columns="category_tag").to_dict(orient="list")

# 直接从映射结果里取值即可
food_type_dict = category_dict_map["food_type_dict"]
car_type_dict = category_dict_map["car_type_dict"]

原有方案问题说明 #

之前用df.set_index(['Type']).T.to_dict('dict')生成的是「行索引为键、各列值为嵌套字典」的结构，天然会带一层列名的嵌套，后续再拆层属于多余操作，效率和可维护性都不如直接筛选后转字典的方案。

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