将DataFrame转换为字典时丢失记录问题求助

嘿，我一眼就看出问题所在啦——你的ID列存在大量重复值！

为什么会出现这种情况？ #

当你用set_index('ID')把ID设为索引后，虽然pandas允许重复索引，但调用to_dict()的时候，字典的键必须是唯一的。这时候后面出现的重复ID会直接覆盖前面的，最后字典里就只剩所有唯一ID对应的记录，刚好是680条，这和你看到的结果完全匹配。

先验证这个猜测 #

你可以先跑一行代码确认ID的唯一值数量：

print(data['ID'].nunique())

输出肯定是680，实锤这个问题～

两种解决方案，看你的需求选： #

1. 同一个ID对应多条评论，想全部保留

如果重复ID是正常业务逻辑（比如同一个电影ID有多条用户评论），那可以把相同ID的评论合并成列表：

# 按ID分组，把每组的Reviews拼成列表，再转成字典
reviews_dict = data.groupby('ID')['Reviews'].apply(list).to_dict()
# 此时每个ID对应的是该ID下所有评论的列表，比如 reviews_dict[123] = ["好评", "还行"...]

2. ID重复是数据错误，需要去重

如果ID应该是唯一的，那先清理重复数据再转字典：

# 保留每个ID的第一条记录，或者把keep改成'last'保留最后一条
data_cleaned = data.drop_duplicates(subset='ID', keep='first')
# 再转成字典
reviews = data_cleaned.set_index('ID')['Reviews'].to_dict()

补充：原代码的小优化 #

其实你不需要用.get('Reviews')，直接这样写更简洁：

reviews = data.set_index('ID')['Reviews'].to_dict()

不过核心问题还是ID重复啦～

内容的提问来源于stack exchange，提问作者James Fisher