如何将带多级索引的Pandas DataFrame转换为分组的嵌套字典列表

你可以通过pandas的分组+字典转换方法直接实现，步骤和代码如下：

首先导入依赖并构造示例DataFrame：

import pandas as pd

df = pd.DataFrame({
    'Index1': ['i11', 'i11', 'i21'],
    'Index2': ['i12', 'i12', 'i22'],
    'Index3': ['i13', 'i23', 'i23'],
    'column1': [2, 3, 4],
    'column2': [5, 8, 5]
})

核心转换代码：

result = []
# 按Index1、Index2两列的值分组
for _, group in df.groupby(['Index1', 'Index2']):
    # 每组取指定列、去重后转换为每行对应一个字典的列表
    group_list = group[['Index3', 'column1', 'column2']].drop_duplicates().to_dict('records')
    result.append(group_list)

输出result就能得到你要的嵌套结构：

[[{'Index3': 'i13', 'column1': 2, 'column2': 5}, {'Index3': 'i23', 'column1': 3, 'column2': 8}], [{'Index3': 'i23', 'column1': 4, 'column2': 5}]]

代码说明 #

• groupby(['Index1', 'Index2'])会自动把两列取值相同的行归为同一组，符合分组规则
• drop_duplicates()用于过滤组内完全重复的行，满足值无重复的要求
• to_dict('records')是pandas内置方法，直接把DataFrame的每行转为字典，所有行组成列表，不需要手动遍历拼接

内容的提问来源于stack exchange，提问作者learner