如何从Pandas DataFrame构建指定结构的嵌套字典

你可以直接通过逐行遍历+字典组装的方式实现，逻辑直观易维护，对绝大多数规模的数据集都有足够好的性能。

方法1：基础逐行组装（可读性最高） #

直接遍历DataFrame每一行，按照你要求的层级结构拼接字典即可：

# 假设你的DataFrame变量名为df
nested_dict = {}
for _, row in df.iterrows():
    nested_dict[row["Name"]] = {
        "Bio": {
            "Education": row["Education"],
            "DOB": row["DOB"],
            "Job": row["Job"]
        },
        "Questions": {
            "Q1": row["Q1"],
            "Q2": row["Q2"],
            "Q3": row["Q3"]
        }
    }

方法2：列分组写法（适合字段多的场景） #

如果Bio、Questions分组下的字段较多，不想重复写键值对，可以借助Pandas自带的to_dict()方法减少重复代码：

# 提前按分组定义列名列表，后续调整字段只需要改这两个列表即可
bio_columns = ["Education", "DOB", "Job"]
question_columns = ["Q1", "Q2", "Q3"]

nested_dict = {
    user_name: {
        "Bio": user_row[bio_columns].to_dict(),
        "Questions": user_row[question_columns].to_dict()
    }
    for user_name, user_row in df.set_index("Name").iterrows()
}

注意事项 #

• 如果Name列存在重复值，以上两种写法都会默认保留最后一次出现的同名用户数据，如果需要保留所有同名条目，可以将外层字典的值改为列表结构存储，或者提前对DataFrame的Name列做去重处理。
• 如果字典后续需要做JSON序列化，遇到日期、空值这类Pandas特殊类型时，可以在取值时提前做类型转换，比如用str(row["DOB"])把日期转成字符串格式。

内容的提问来源于stack exchange，提问作者Abdul Aleem Asim