Python Pandas 如何将DataFrame转换为按interval分组的嵌套JSON格式

你可以直接通过pandas自带的双层分组+字典转换实现需求，代码非常简洁，不需要额外依赖：

完整实现代码 #

首先先修正你原始数据列名中date.的多余小数点，再做双层分组：

import pandas as pd
import json

# 假设你已经将样例数据读入为DataFrame变量df
# 第一步：修正列名
df = df.rename(columns={"date.": "date"})

# 第二步：双层分组构造目标结构
result = {}
# 第一层按interval分组
for interval, interval_group in df.groupby("interval"):
    pid_map = {}
    # 第二层按pid分组，构造pidN对应的列表
    for pid, pid_group in interval_group.groupby("pid"):
        # 仅保留需要的3个字段，转为字典列表
        pid_map[f"pid{pid}"] = pid_group[["date", "pid", "value"]].to_dict("records")
    result[interval] = pid_map

# 可选：转换为格式化的JSON字符串/输出到文件
json_output = json.dumps(result, indent=4, ensure_ascii=False)
print(json_output)

更简洁的字典推导式写法 #

如果偏好更短的代码，可以直接用嵌套字典推导式一步生成结果：

result = {
    interval: {
        f"pid{pid}": group[["date", "pid", "value"]].to_dict("records")
        for pid, group in interval_group.groupby("pid")
    }
    for interval, interval_group in df.groupby("interval")
}

说明 #

• 代码完全贴合你要求的JSON结构，生成结果和你给出的示例逻辑一致（你给出的示例JSON里2021-09-05 00:05:00分组下pid2的第二个元素不小心把pid写成了1，属于示例笔误，代码运行不会出现该问题）
• 用pandas原生方法实现，处理大数据量时效率远高于自行逐行遍历构造字典

内容的提问来源于stack exchange，提问作者sooon