如何修改Pandas分组聚合后的JSON输出结构？

你遇到的问题本质是MultiIndex（多级索引）的Series在默认转JSON时，会把索引元组直接序列化为字符串键，所以才出现了{"["John Doe","A"]":201.37}这种不符合预期的格式。要得到你想要的嵌套结构，只需要先调整数据结构，再转JSON即可，下面是两种简单高效的方法：

方法一：用unstack()转换结构后转JSON #

这是最直接的方案，先把多级索引的Series转换成以USER为行索引、GROUP为列的DataFrame，再用orient='index'参数生成嵌套JSON：

# 假设你的聚合结果是agg_series（即df.groupby(['USER', 'GROUP'])['VALOR'].sum()的返回值）
agg_df = agg_series.unstack(level='GROUP')  # 将GROUP索引转成列
target_json = agg_df.to_json(orient='index')

执行后target_json的格式就是你想要的：

{"John Doe": {"A": 201.37, "B":480.59, "C":1504.16}, "John Jones": {"A": 239.95, "B":1123.39, "C":1736.05}}

原理说明： #

• unstack(level='GROUP')：把多级索引中的GROUP层级从行索引“拆”成列，此时数据结构变成每行对应一个用户，每列对应一个分组，单元格是求和后的值。
• to_json(orient='index')：指定以行索引（即USER）作为外层JSON键，每行的列和值作为内层键值对，完美匹配你要的嵌套结构。

方法二：直接生成嵌套字典再转JSON #

如果你更喜欢用字典操作，也可以先把Series转换成嵌套字典，再用json.dumps()序列化：

import json

# 先按USER分组，把每个用户的GROUP和VALOR转成字典，再整体转成外层字典
result_dict = agg_series.groupby(level='USER').apply(
    lambda x: x.droplevel('USER').to_dict()
).to_dict()

target_json = json.dumps(result_dict)

这个方法和方法一的效果完全一致，适合需要对字典做额外处理的场景。

内容的提问来源于stack exchange，提问作者drec4s