如何将Pandas DataFrame转换为指定结构的自定义嵌套JSON

实现思路 #

要实现自定义层级的JSON结构，我们可以通过分层分组聚合的方式逐层构建嵌套结构，不用依赖Pandas内置的to_json()方法，灵活度更高：

1. 最内层按「酒店ID+房间ID+客户ID」分组，将会员等级与对应价格映射为字典
2. 中间层按「酒店ID+房间ID」分组，将同房间下的所有客户价格信息组装为列表
3. 最外层按「酒店ID」分组，将同酒店下的所有房间信息组装为列表

完整可运行代码 #

import pandas as pd
import json

# 1. 读取数据，替换为你的实际文件路径即可
df = pd.read_csv("your_file_path.csv")
# 也可以直接用示例数据测试：
# df = pd.DataFrame([
#     [1, 100, 1, "Default", 100],
#     [1, 100, 2, "Default", 98],
#     [1, 101, 1, "Default", 200],
#     [1, 101, 1, "Discounted", 196],
#     [1, 101, 2, "Default", 202],
#     [1, 101, 3, "Default", 204],
# ], columns=["Hotel_id", "Room_id", "Client_id", "Loayalty_level", "Price"])

# 2. 最内层聚合：构造每个客户对应的价格字典
client_price_df = df.groupby(["Hotel_id", "Room_id", "Client_id"]).apply(
    lambda x: {
        "clientId": x.name[2],
        "price": x.set_index("Loayalty_level")["Price"].rename(lambda k: k.lower()).to_dict()
    }
).reset_index(name="price_info")

# 3. 中间层聚合：构造每个房间对应的价格列表
room_df = client_price_df.groupby(["Hotel_id", "Room_id"]).apply(
    lambda x: {
        "roomId": x.name[1],
        "prices": x["price_info"].tolist()
    }
).reset_index(name="room_info")

# 4. 最外层聚合：构造最终的酒店结构
result = room_df.groupby("Hotel_id").apply(
    lambda x: {
        "hotelId": x.name,
        "rooms": x["room_info"].tolist()
    }
).tolist()

# 单酒店场景直接取第一个元素，多酒店场景可保留列表
final_json = result[0] if len(result) == 1 else result

# 打印验证/写入文件
print(json.dumps(final_json, indent=2, ensure_ascii=False))
# 写入本地文件：
# json.dump(final_json, open("output.json", "w"), indent=2, ensure_ascii=False)

适配说明 #

如果后续需要调整JSON字段名、增减嵌套层级，只需要对应修改每层聚合的返回字段即可，无需重构整体逻辑。

内容的提问来源于stack exchange，提问作者neat_code