如何将Pandas DataFrame两列作为嵌套键、第三列作为值转字典

嘿，这个需求其实用Pandas的内置工具就能轻松搞定，我给你分享两种常用的实现方式，你可以根据场景选：

方法1：分组+字典推导（直观易理解） #

先按User列分组，每个分组内把ASIN作为键、Rating作为值生成子字典，最后再把User作为外层键整合起来：

import pandas as pd

# 先构造你的示例DataFrame
df = pd.DataFrame({
    'User': ['A23VKINWRY6J92', 'A3HC4SRK7B2AXR', 'AE12HJWB5ODOD', 'AL4RYO265J1G'],
    'ASIN': ['1476783284', '1496177029', 'B00K2GAUC0', '061579615X'],
    'Rating': [5, 5, 4, 3]
})

# 生成嵌套字典
my_dict = {
    user: group.set_index('ASIN')['Rating'].to_dict()
    for user, group in df.groupby('User')
}

验证一下：

print(my_dict['A23VKINWRY6J92']['1476783284'])  # 输出5，完全符合你的需求

方法2：多层索引+unstack（更简洁） #

利用Pandas的多层索引特性，一步到位生成嵌套结构：

# 同样基于上面的df
my_dict = df.set_index(['User', 'ASIN'])['Rating'].unstack().to_dict('index')

这个方法的逻辑是：先把User和ASIN设为双层索引，然后unstack把内层的ASIN转成列，最后用to_dict('index')把每行（对应一个User）转成ASIN-Rating的子字典。

注意事项 #

如果你的DataFrame里存在重复的User+ASIN组合（同一个用户对同一个ASIN打了多次分），建议先去重或者聚合，比如保留最后一条记录：

df = df.drop_duplicates(subset=['User', 'ASIN'], keep='last')

内容的提问来源于stack exchange，提问作者Guru A