基于DataFrame多列与Groupby操作创建嵌套字典

针对给出的样例DataFrame和目标嵌套字典结构，可直接用以下两种方法实现：

• 方法1：groupby + 字典推导式（可读性高，性能优秀）
  核心逻辑是先按一级键所在的ColA列分组，遍历每个分组时，将分组内的二级键列ColB设为索引、值列ColC转为字典，最终拼接为完整嵌套结构：

# df为你的原始DataFrame变量
result = {}
for group_name, group_data in df.groupby('ColA'):
    result[group_name] = group_data.set_index('ColB')['ColC'].to_dict()

如果偏好更紧凑的写法，可以直接用字典推导式：

result = {g_name: g_data.set_index('ColB')['ColC'].to_dict() for g_name, g_data in df.groupby('ColA')}

• 方法2：链式调用写法（一行代码实现）
  利用pandas的apply和to_dict链式方法，不需要写显式循环：

result = df.groupby('ColA').apply(lambda x: x.set_index('ColB')['ColC'].to_dict()).to_dict()

两种方法运行提供的样例数据，都会输出完全匹配需求的结果：

{
    'Dog': {'Red': 8, 'Black': 10, 'White': 2, 'Blue': 4},
    'Cat': {'Red': 7, 'Black': 11, 'White': 12, 'Blue': 40}
}

特殊场景处理 #

如果数据存在同一个ColA+ColB组合对应多条ColC值的情况，可以先对二级键做聚合再转字典，比如对重复键的值求和：

result = {
    g_name: g_data.groupby('ColB')['ColC'].sum().to_dict()
    for g_name, g_data in df.groupby('ColA')
}

把sum()替换成mean()、max()等聚合函数即可实现其他聚合逻辑。

内容的提问来源于stack exchange，提问作者dmd7