如何从给定DataFrame创建指定结构的嵌套字典（布尔值转0/1）

你可以用两种方式实现，逻辑都很简单，结果完全匹配你的要求： #

方法1：直观遍历写法（易读性高，小数据量首选） #

import pandas as pd

# 定义需要处理的三列宝箱字段，避免重复写列名
chest_columns = ["chest_gold", "chest_silver", "chest_bronze"]

# 布尔值转整数：pandas中布尔类型直接转int即可自动实现TRUE→1、FALSE→0的映射
df[chest_columns] = df[chest_columns].astype(int)

# 初始化最终结果字典
nested_dict = {}

# 逐行读取表数据，按层级写入字典
for _, row in df.iterrows():
    current_profile = row["profile"]
    current_level = row["level"]
    # 如果当前profile还没作为外层键存入字典，先初始化对应的空内层字典
    if current_profile not in nested_dict:
        nested_dict[current_profile] = {}
    # 按顺序把金、银、铜宝箱的值组成列表，存入对应level键下
    nested_dict[current_profile][current_level] = row[chest_columns].tolist()

运行后直接取值即可得到你要的效果：

print(nested_dict['a'][1]) # 输出 [1,0,1]
print(nested_dict['a'][2]) # 输出 [0,0,1]
print(nested_dict['a'][3]) # 输出 [0,1,1]

方法2：groupby写法（大数据量效率更高） #

如果你的表行数比较多，用pandas内置的groupby逻辑代替显式for循环，运行速度会快很多，代码如下：

chest_columns = ["chest_gold", "chest_silver", "chest_bronze"]

nested_dict = (
    # 先把三列布尔值转为整数
    df.assign(**{col: df[col].astype(int) for col in chest_columns})
    # 按profile分组
    .groupby("profile")
    # 每个分组内，把level作为键、三个宝箱值组成的列表作为值，生成内层字典
    .apply(lambda group: dict(zip(group["level"], group[chest_columns].values.tolist())))
    # 最后把分组结果转为外层字典
    .to_dict()
)

两种写法输出的结果完全一致，你可以根据自己的数据量和代码习惯选择。 #

内容的提问来源于stack exchange，提问作者ianux22