如何在Pandas DataFrame中按key1聚合生成{key2:value}字典？

首先，先确认你的初始DataFrame：

import pandas as pd

dat = pd.DataFrame({ 
    'key1' : [ 1, 1, 2, 2, 3, 3, 3, 3, 4, 4], 
    'key2' : ['a', 'b', 'a', 'c', 'b', 'c', 'd', 'e', 'c', 'e'], 
    'value' : [1, 2, 3, 4, 5, 6, 7, 8, 9, 10] 
})

你已经知道可以用list聚合key2列，但现在需要每个key1分组对应一个以key2为键、value为值的字典，预期输出是每个分组对应类似{'a':1, 'b':2}这样的结构。

这里有两种简洁的实现方式，比先生成两个列表再组合更高效：

方法一：直接在groupby后用lambda+dict(zip()) #

这种方法最直观，对每个分组的子DataFrame，直接把key2和value的元素配对后转成字典：

result = dat.groupby('key1').apply(lambda x: dict(zip(x['key2'], x['value'])))

运行后得到的结果完全符合你的预期：

key1
1    {'a': 1, 'b': 2}
2    {'a': 3, 'c': 4}
3    {'b': 5, 'c': 6, 'd': 7, 'e': 8}
4    {'c': 9, 'e': 10}
dtype: object

方法二：先设索引再用to_dict() #

另一种思路是把key2设为索引，然后对分组后的value列调用to_dict()：

result = dat.set_index('key2').groupby('key1')['value'].apply(lambda x: x.to_dict())

这个方法和第一种效果完全一致，适合习惯用索引操作的场景。

这两种方法都不需要额外生成中间列表，直接一步完成分组转字典的操作，代码更简洁高效。

内容的提问来源于stack exchange，提问作者Tim