You need to enable JavaScript to run this app. 如何基于多列分组从Pandas DataFrame生成指定结构嵌套JSON
优惠活动
大模型
产品
解决方案
定价
更多

如何基于多列分组从Pandas DataFrame生成指定结构嵌套JSON

Pandas生成指定嵌套JSON结构的实现方案

核心逻辑

之前的代码输出不符合预期,核心原因是分组层级不匹配:仅按key + date两级分组,没有把同一个key下的所有日期维度指标聚合到同一个对象内,需要分两步完成聚合:

  • 一级聚合:预排序数据后,按key + date分组,计算每个日期维度下的总计数、对应class的percent值列表
  • 二级聚合:按原始数据中key的出现顺序,将同一个key下所有日期的指标整理成要求的列表结构,匹配示例的外层嵌套格式

可直接运行的代码

import pandas as pd
import json

# 构造原始测试数据
d = {'key': ['foo', 'foo', 'foo', 'foo', 'bar', 'bar', 'bar', 'bar', 'crow', 'crow', 'crow', 'crow'], 
     'date': ['2021-01-01', '2021-01-01', '2021-01-02', '2021-01-02', '2021-01-01', '2021-01-01','2021-01-02', '2021-01-02', '2021-01-01', '2021-01-01', '2021-01-02', '2021-01-02'], 
     'class': [1, 2, 1, 2, 1, 2, 1, 2, 1, 2, 1, 2],
     'count': [12, 3, 5, 5, 3, 1, 4, 1, 7, 3, 8, 2],
     'percent': [.8, .2, .5, .5, .75, .25, .8, .2, .7, .3, .8, .2]
}
df = pd.DataFrame(data=d)

# 预排序:按key、date、class升序排列,保证每个分组内的行顺序和class顺序一致
df_sorted = df.sort_values(["key", "date", "class"])

# 第一步:按key、date分组,计算每个日期维度的统计值
key_date_group = df_sorted.groupby(["key", "date"]).agg(
    # 计算当日该key的所有count值总和
    daily_total_count=("count", "sum"),
    # 预排序后直接将分组内的percent值转成列表,保证顺序和class一致
    daily_percent_list=("percent", lambda x: x.tolist())
).reset_index()

# 第二步:按原始数据的key出现顺序组装结果,匹配示例排列顺序
key_order = df["key"].unique()
result = []
for key in key_order:
    # 过滤当前key的所有日期数据,按日期升序排列
    key_data = key_date_group[key_date_group["key"] == key].sort_values("date")
    result.append({
        "key": key,
        "count": key_data["daily_total_count"].tolist(),
        "predictions": key_data["daily_percent_list"].tolist()
    })

# 匹配示例的外层嵌套列表结构
final_output = [result]
# 打印格式化后的JSON
print(json.dumps(final_output, indent=2))

结果验证

运行代码后生成的结构完全匹配预期:

  • count列表的每个元素对应同一key下不同日期的count总和,例如foo对应两个日期的总和为15、10
  • predictions嵌套列表的每个子列表对应当日所有class的percent值,顺序和class排序一致
  • key的排列顺序、日期的先后顺序和示例完全对齐,无结构偏差

内容的提问来源于stack exchange,提问作者monopoly

相关产品推荐
方舟 Agent Plan

超全模态模型 × Harness 升级,最新支持 Deepseek-V4.1-Flash、GLM-5.3 系列、Doubao-Seedream-5.0-pro、Kimi-K3 (部分), 限时 9.9 元起

最近更新时间:2026.11.10 15:45:10