将熊猫数据框转换为具有特定键的嵌套字典

Question

我正在尝试从具有以下格式的熊猫数据框创建嵌套字典：

Name Info  Location  Alias

AA   InfoA locationA AliasA
BB   InfoB locationB AliasB
CC   InfoC locationC AliasC

我正在寻找的结果字典具有以下格式：

my_nested_dict = {"AA": {"Info" : "InfoA", "Location": {"Where": "locationA", "Alias": "AliasA"},
                  "BB": {"Info" : "InfoB", "Location": {"Where": "locationB", "Alias": "AliasB"},
                  "CC": {"Info" : "InfoC", "Location": {"Where": "locationC", "Alias": "AliasC"}
}

我尝试使用 groupby 并使用 set_index 应用 lambda，但似乎我做错了：

df.groupby('Name')[['Location', 'Alias']].apply(lambda x: x.set_index('Location').to_dict(orient='index')).to_dict()

但是有了这个，我无法添加“Where”键。 输出如下所示：

my_nested_dict = {"AA": {"Info" : "InfoA", "Location": {"locationA": {"Alias": "AliasA"}},
                  "BB": {"Info" : "InfoB", "Location": {"locationB": {"Alias": "AliasB"}},
                  "CC": {"Info" : "InfoC", "Location": {"locationC": {"Alias": "AliasC"}}
}

此外，我尝试首先转换我感兴趣的列，这很有效，但我很难用结果替换“位置”列：

df[['Location', 'Alias']].rename(columns={'Location': 'Where'}).to_dict('index')

有没有一种干净的熊猫方式来达到预期的效果？

Answer 1

我的尝试：

d = df.set_index("Name").to_dict("index")
for k,v in d.items():
    d[k]["Location"] = {"Where": v["Location"], "Alias": v["Alias"]}
    d[k].pop("Alias", None)

---

{'AA': {'Info': 'InfoA', 'Location': {'Where': 'locationA', 'Alias': 'AliasA'}},
 'BB': {'Info': 'InfoB', 'Location': {'Where': 'locationB', 'Alias': 'AliasB'}},
 'CC': {'Info': 'InfoC', 'Location': {'Where': 'locationC', 'Alias': 'AliasC'}}}

---

我想知道是否有一个干净的熊猫解决方案，因为我想出的那个似乎太笨拙了

Answer 2

你可以这样做：

my_dict = (df.rename(columns={'Location' : 'where'})
             .assign(Location = lambda df: df.apply(lambda df: {'where' : df['where'],
                                                                'Alias' : df['Alias']}, 
                                                    axis=1))
             .set_index('Name')[['Info', 'Location']]
             .to_dict('index')
          )
print(my_dict)

输出

{'AA': {'Info': 'InfoA', 'Location': {'where': 'locationA', 'Alias': 'AliasA'}}, 
 'BB': {'Info': 'InfoB', 'Location': {'where': 'locationB', 'Alias': 'AliasB'}}, 
 'CC': {'Info': 'InfoC', 'Location': {'where': 'locationC', 'Alias': 'AliasC'}}}