使用pandas将CSV读取的DataFrame按索引列转为目标嵌套字典

你不需要单独依赖set_index()实现这个转换，以下两种方案都可以满足需求：

方案1：完全匹配你给出的期望输出格式 #

核心逻辑是先按indexes列分组，逐组将每行的X、Y值拼接为单键值对字典，再汇总为对应键的列表值，代码如下：

import pandas as pd

# 你已有的CSV读取逻辑
df = pd.read_csv("my_file.csv")

target_dict = {}
# 按indexes列分组，sort=False保留原表中index的出现顺序
for group_key, group_df in df.groupby("indexes", sort=False):
    # 逐行生成{X_values: Y_values}格式的字典，收集为列表
    kv_pairs = [{row["X_values"]: row["Y_values"]} for _, row in group_df.iterrows()]
    target_dict[group_key] = kv_pairs

运行后输出的结构和你给出的示例完全一致：

{
    "IDX1" : [{"x1": "y1"}, {"x2": "y2"}, {"x3": "y3"}, {"x4": "y4"}],
    "IDX2": [{"x1": "y1"},{"x4": "y4"}],
    "IDX3":[{"x1": "y1"}, {"x2": "y2"}]
}

方案2：更简洁的替代嵌套结构 #

如果不强制要求每个X-Y键值对单独封装为字典，可以用更精简的代码生成少一层嵌套的结构，后续取值效率更高：

# 输出结构：{index值: {x1:y1, x2:y2, ...}}
target_dict_alt = df.groupby("indexes", sort=False).apply(
    lambda x: dict(zip(x["X_values"], x["Y_values"]))
).to_dict()

该结构输出如下，取值时不需要遍历列表，直接通过target_dict_alt["IDX1"]["x1"]即可拿到对应y值，日常使用更方便：

{
    "IDX1": {"x1": "y1", "x2": "y2", "x3": "y3", "x4": "y4"},
    "IDX2": {"x1": "y1", "x4": "y4"},
    "IDX3": {"x1": "y1", "x2": "y2"}
}

说明：你之前单独用set_index()无法实现需求的原因是，该方法仅会将指定列设置为行索引，不会自动完成同索引行的分组聚合、行数据转字典的逻辑，必须配合分组操作才能收拢同一index对应的多行数据。

内容的提问来源于stack exchange，提问作者YggY