如何用Pandas.groupby()构建含多列值的字典？

嘿，我完全懂你遇到的困扰——当你尝试用groupby处理多列来构建字典时，结果不是预期的元组列表，反而带着列名结构对吧？别慌，这有两种简洁的方法能实现你想要的效果：以Col1的值为键，对应每组的Col2和Col3打包成元组并组成列表作为值。

首先，先拿一个示例数据来演示：

import pandas as pd

# 示例DataFrame
df = pd.DataFrame({
    'Col1': ['A', 'A', 'B', 'B', 'B'],
    'Col2': [1, 2, 3, 4, 5],
    'Col3': ['x', 'y', 'z', 'w', 'v']
})

方法1：用zip直接打包列（最直观） #

这种方法利用zip把每组的Col2和Col3对应元素打包成元组，再转成列表，最后转成字典：

result_dict = df.groupby('Col1').apply(
    lambda group: list(zip(group['Col2'], group['Col3']))
).to_dict()

方法2：用itertuples转换行成元组 #

如果你更习惯用行级别的转换，可以用itertuples把每组的每一行转成无索引的元组，再组成列表：

result_dict = df.groupby('Col1')[['Col2', 'Col3']].apply(
    lambda group: list(group.itertuples(index=False, name=None))
).to_dict()

最终输出结果 #

两种方法都会得到你想要的字典结构：

{'A': [(1, 'x'), (2, 'y')], 'B': [(3, 'z'), (4, 'w'), (5, 'v')]}

为什么之前的方法不行？ #

如果你直接用df.groupby('Col1')[['Col2','Col3']].to_dict()，Pandas会默认生成嵌套字典（列名作为第二层键），这是因为它没有把多列的值打包成元组的逻辑。而上面的两种方法通过apply对每组数据做了自定义处理，把行数据转换成了元组列表，正好符合你的需求。

内容的提问来源于stack exchange，提问作者Micks Ketches