在 Python 中将 Dataframe 转换为嵌套字典

Question

我正在寻找一种将数据帧转换为字典的方法，这与这里所问的非常相似：

Convert pandas DataFrame to a nested dict

假设一个样本数据框

name    v1  v2  v3
0        A  A1  A11 1
1        A  A2  A12 2
2        B  B1  B12 3
3        C  C1  C11 4
4        A  A2  A21 6
5        A  A2  A21 8

列数可能不同，列名也可能不同。

我正在寻找生成：

{
    'A' : { 
        'A1' : { 'A11' : 1 },
        'A2' : { 'A12' : 2 , 'A21' : 6 , 'A21' : 8 },
        'B1' : {}, 
        'C1' : {}
    }, 

    'B' : { 
        'A1' : {},
        'A2' : {},
        'B1' : { 'B12' : 3}, 
        'C1' : {}
    },

    'C' : { 
        'A1' : {},
        'A2' : {},
        'B1' : {} ,
        'C1' : { 'C11' : 4}
    }

}

其他地方建议的方法是通过递归：

def recur_dictify(frame):
    if len(frame.columns) == 1:
        if frame.values.size == 1: return frame.values[0][0]
        return frame.values.squeeze()
    grouped = frame.groupby(frame.columns[0])
    d = {k: recur_dictify(g.ix[:,1:]) for k,g in grouped}
    return d

这给出了：

>>> pprint.pprint(recur_dictify(df))
{'A': {'A1': {'A11': 1}, 'A2': {'A12': 2, 'A21': [6,8]}},
 'B': {'B1': {'B12': 3}},
 'C': {'C1': {'C11': 4}}}

但不会复制 v2 级别的空 dict 嵌套，并将 A2 -A21 的重复分组到 array[6,8] 中。我看过Convert a Pandas DataFrame to a dictionary，到目前为止还没有运气。

Answer 1

我假设：

• 索引没有名字
• 列名具有值 A、B、C、D
• 等

并且 df 包含上述 recur_dictify 的输出：

ky = frame.v1.unique() # I assume it's ['A1','B1','C1']

for k in df:
    for l in ky:
        if l not in df[k]:
            df[k][l] = {}

您的原始数据框很奇怪。 B2 条目不会出现在结果中的任何位置。