pandas如何分组创建包含多列的多层嵌套字典

你需要生成{Age:{Rating:[Data], Rating:[Data]}结构的嵌套字典，只需在原有单维度分组逻辑上调整分组键和输出格式即可，无需额外写循环做二次处理。

可直接运行的实现代码 #

# 核心实现，输出完全匹配你需要的嵌套结构
nested_dict = df.groupby(["Age", "Rating"])["Data"].agg(list).unstack().to_dict(orient="index")

针对你给出的测试样例，上述代码运行后输出结果为：

{10: {10: ["Pole"], 5: ["Carl"]}}

和你预期的结构完全一致。

逻辑说明 #

• 分组阶段同时传入两个分组键：外层维度Age作为第一分组键，内层维度Rating作为第二分组键，聚合时将同分组下的Data列值合并为列表
• 调用unstack()将二级索引Rating转换为列，把双层索引的聚合结果转为宽表格式
• 调用to_dict(orient="index")按行生成字典，行索引（即Age值）作为外层字典的键，每一行内的「Rating值: Data列表」键值对作为内层字典内容

可选优化 #

如果你的数据中存在部分Age下没有对应Rating值的空组合，默认会生成NaN填充的键值对，可以加一步空值过滤避免脏数据：

nested_dict = df.groupby(["Age", "Rating"])["Data"].agg(list).unstack().dropna(how="all", axis=1).to_dict(orient="index")

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