如何从Pandas DataFrame的groupby对象生成字典构成的Series

我明白你想要的效果——把DataFrame按Col1分组，每个组里统计Col2各值的出现次数，最终生成一个以Col1为索引、对应统计字典为值的Series。你之前用循环的方法虽然能实现，但确实不够高效，尤其是数据量大的时候。

先回顾下你的进展：你已经通过my_df.groupby(['Col1','Col2']).size()得到了多级索引的计数结果，这一步是对的，接下来只需要把这个多级索引的结果按Col1聚合，转成字典就可以了。

这里有两种简洁高效的方法：

方法一：利用多级索引分组+apply转字典 #

这是最直接的方式，完全基于你已经得到的多级索引Series：

# 先得到每个(Col1, Col2)组合的计数
counts = my_df.groupby(['Col1', 'Col2']).size()
# 按Col1（第一级索引）分组，每个组转成字典
my_series = counts.groupby(level=0).apply(lambda x: x.xs(x.name).to_dict())

解释： #

• groupby(level=0)：按多级索引的第一级（也就是Col1）进行分组
• x.xs(x.name)：在每个子组中，去掉当前的Col1索引，得到以Col2为索引、计数为值的Series
• to_dict()：把这个Series直接转成键为Col2、值为计数的字典

方法二：用unstack后过滤转字典 #

另一种思路是先把多级索引的结果展开成DataFrame，再转成字典（需要过滤掉计数为0的项）：

counts = my_df.groupby(['Col1', 'Col2']).size()
# 展开成DataFrame，缺失的项填充0
unstacked = counts.unstack(fill_value=0)
# 对每一行（每个Col1），过滤掉值为0的项并转字典
my_series = unstacked.apply(lambda row: row[row > 0].to_dict(), axis=1)

效果验证 #

用你的示例数据测试：

import pandas as pd

# 构造示例DataFrame
data = {
    'Col1': ['A', 'B', 'A', 'C', 'A', 'B', 'A', 'B'],
    'Col2': ['b', 'e', 'a', 'a', 'b', 'c', 'e', 'c']
}
my_df = pd.DataFrame(data)

# 执行方法一的代码
counts = my_df.groupby(['Col1', 'Col2']).size()
my_series = counts.groupby(level=0).apply(lambda x: x.xs(x.name).to_dict())

得到的my_series就是你想要的结果：

A    {'a': 1, 'b': 2, 'e': 1}
B    {'c': 2, 'e': 1}
C    {'a': 1}
dtype: object

这两种方法都避免了手动循环，利用Pandas的内置优化操作，效率比循环高很多，尤其是处理大数据集的时候优势更明显。

内容的提问来源于stack exchange，提问作者Danilo