DataFrame列含逗号时如何转换为指定键值结构的字典

你已经完成了DocFreq > 5的条件筛选，后续只需要处理DocID字段拆分、按指定键值对构造字典即可，不需要使用默认参数的to_dict()方法，两种可直接运行的方案如下：

• 方案1：字典推导式实现（性能最优，推荐）
  先精简筛选结果，只保留需要的Term和DocID字段，再逐行拆分DocID构造字典：

  # 筛选符合条件的记录，仅保留需要的两个字段
  df_filtered = df[df['DocFreq'] > 5][['Term', 'DocID']]
  # 构造目标格式字典
  result = {
      term: doc_str.split(',')
      for term, doc_str in zip(df_filtered['Term'], df_filtered['DocID'])
  }
  

  注意：如果你的DocID字段逗号前后存在多余空格，可以把拆分逻辑替换为[doc.strip() for doc in doc_str.split(',')]，避免生成的文档ID携带无效空格。

• 方案2：Pandas原生方法实现
  先把DocID列的字符串提前拆分为列表，再转换为键值对字典：

  df_filtered = df[df['DocFreq'] > 5][['Term', 'DocID']]
  # 将DocID列的逗号分隔字符串拆分为列表
  df_filtered['DocID'] = df_filtered['DocID'].str.split(',')
  # 构造以Term为键、DocID列表为值的字典
  result = dict(zip(df_filtered['Term'], df_filtered['DocID']))
  

你之前直接调用df.to_dict()得到嵌套字典的原因是：该方法默认的orient参数为dict，会生成{列名: {行索引: 值}}的双层嵌套结构，自然不符合单键值对的需求。
两种方案最终输出的结构完全匹配你给出的示例格式，比如Term为Want to be with、DocID为doc100.txt,doc8311.txt,doc123.txt的记录，会被处理为"Want to be with": ["doc100.txt", "doc8311.txt", "doc123.txt"]的键值对。

内容的提问来源于stack exchange，提问作者Kiera.K