将含重复键的Pandas DataFrame转换为字典的问题

嘿，这个坑我之前踩过！你原来的代码之所以只保留每个键的最后一个值，是因为set_index遇到重复索引时，虽然表面上保留了所有行，但当你转置（.T）再用to_dict('list')时，重复的列名（也就是原来的重复键）会被最后一次出现的覆盖，所以最终字典里每个键只剩最后一个值。

下面给你几种简单靠谱的实现方法：

方法1：Pandas原生分组聚合（最推荐） #

这是最符合Pandas风格的写法，一行代码搞定：

mydict = df.groupby('Keys')['Values'].agg(list).to_dict()

原理： #

• groupby('Keys')：按Keys列的唯一值分组
• agg(list)：把每组对应的Values值聚合成一个列表
• to_dict()：直接把分组后的Series转换成你需要的字典格式

运行后就能得到你想要的结果：{1: [1,6,9], 2: [3], 3: [1,4]}

方法2：用collections.defaultdict手动遍历 #

如果你喜欢更直观的循环处理，可以用Python标准库的defaultdict：

from collections import defaultdict

# 初始化默认值为列表的字典
mydict = defaultdict(list)
# 遍历DataFrame的每一行
for key, val in df.itertuples(index=False):
    mydict[key].append(val)

# 可选：如果需要转成普通字典（而非defaultdict类型）
mydict = dict(mydict)

这种方法逻辑清晰，适合需要在遍历过程中做额外处理的场景。

方法3：用apply替代agg #

和方法1类似，只是把agg(list)换成apply(list)，效果完全一样：

mydict = df.groupby('Keys')['Values'].apply(list).to_dict()

选哪种全看个人代码习惯~

内容的提问来源于stack exchange，提问作者Karvy1