Python Pandas：如何从DataFrame生成值为列表的分组字典

你之前写的df.reset_index().to_dict(orient='list')逻辑有问题，这个方法是将DataFrame的每一列整体转为列表，以列名作为字典键，并不会按照feature_id做分组聚合，因此无法得到预期结果。

可以直接用pandas原生的分组聚合方法实现，代码最简洁：

# 基于你已构造好的df直接运行即可
data_dict = df.groupby('feature_id')['tag_id'].agg(list).to_dict()

运行后得到的data_dict完全匹配你的预期输出：

{1326: [2468, 2415, 2589], 1327: [2419, 2439], 1328: [2580, 2689]}

如果不想用groupby，也可以用defaultdict遍历DataFrame实现，适合习惯原生Python写法的场景：

from collections import defaultdict

data_dict = defaultdict(list)
# 遍历行，跳过索引列
for feature_id, tag_id in df.itertuples(index=False):
    data_dict[feature_id].append(tag_id)

# 如果需要返回普通dict而非defaultdict对象，加一步转换即可
data_dict = dict(data_dict)

内容的提问来源于stack exchange，提问作者richdotcom