这是一个类似的问题
但在这种情况下，我想要一些不同的东西。
from pandas import DataFrame
df = DataFrame([
['A', 123, 1],
['B', 345, 5],
['C', 712, 4],
['B', 768, 2],
['B', 768, 3],
['A', 123, 9],
['C', 178, 6],
['C', 178, 5],
['A', 321, 3]],
columns=['maingroup', 'subgroup', 'selectedCol'])
我希望输出为：
{
'A': {'123':[1, 9], '321':[3]},
'B': {'345':[5], '768':[2, 3]},
'C': {'712':[4], '178':[6, 5]}
}
将 dict 理解与嵌套 groupby 一起使用：
d = {k: f.groupby('subgroup')['selectedCol'].apply(list).to_dict()
for k, f in df.groupby('maingroup')}
输出：
{'A': {123: [1, 9], 321: [3]},
'B': {345: [5], 768: [2, 3]},
'C': {178: [6, 5], 712: [4]}}
这有点复杂，但也许有人有更好的解决方案。与此同时，我们开始：
df = df.groupby(['subgroup']).agg({'selectedCol': list, 'maingroup': 'first'})
df = df.groupby(['maingroup']).agg(dict)
df.to_json(orient='columns')
我分两步做：
通过使用 to_json 方法中的 orient 参数可能有更聪明的方法来做到这一点。
编辑：代码的哪一部分失败了？1、2 还是 3？我的笔记本截图。检查你的版本：
或者试试这个：
df.groupby(['subgroup']).agg({'selectedCol': list, 'maingroup': 'first'}).groupby(['maingroup']).agg(dict)