Python 从csv文件为PyFrame构建嵌套数据帧或字典

我有一个以下格式的csv文件

Type_A, Type_B, Type_C
x1,x2,x3
y1,y2,y3

我需要按照以下格式构建嵌套字典或数据帧

Type_A
    ID  Value
    1   x1
    2   y1
Type_B
    ID  Value
    1   x2
    2   y2
Type_C
    ID  Value
    1   x3
    2   y3

在我的第一次尝试中，这就是我所做的

import pandas as pd
df=pd.read_csv(csv_file)
df
Output:

     Type_A Type_B Type_C
0      x1      x2      x3
1      y1      y2      y3

我想我所需要做的就是读取列表中的每一列，然后在将其合并到字典或嵌套数据框中之前添加索引

labels = ['Id','Value']
d1_df = pd.DataFrame.from_records(d1_df, columns=labels)
d2_df = pd.DataFrame.from_records(d2_df, columns=labels)
d3_df = pd.DataFrame.from_records(d3_df, columns=labels)


d1_df  # this gives me Id Value
       #            0   1    x1
       #            1   2    y1

这就是我将它们存储在列表中所做的

import pandas as pd
df=pd.read_csv(csv_file)
d1=df.Type_A.tolist()
d2=df.Type_B.tolist()
d3=df.Type_C.tolist()

然后添加用于枚举（）的索引

现在，接下来我向dataframe添加了标签Id和值

labels = ['Id','Value']
d1_df = pd.DataFrame.from_records(d1_df, columns=labels)
d2_df = pd.DataFrame.from_records(d2_df, columns=labels)
d3_df = pd.DataFrame.from_records(d3_df, columns=labels)


d1_df  # this gives me Id Value
       #            0   1    x1
       #            1   2    y1

现在我需要先把它们放在字典里，而不是你的字典里

d1_dict=list(enumerate(d1, 1))
d2_dict=list(enumerate(d2, 1))
d3_dict=list(enumerate(d3, 1))

使用

（即列表列表；我选择了更合适的名称

lst

，而不是您的

dx_dict

）

然后创建嵌套字典：

result = {}
for col, id, lt in zip(df.columns, range(0, 3), lst):
    result[col] = {'ID': id}  # Creating column_name key and assigning inner dict to it
    result[col].update(lt)    # Adding key:value pairs from the list of pairs to inner dict

结果的值将为

{'Type_A'：{'ID'：0，1'x1'，2'y1'}，

'Type_B'：{'ID'：1,1'x2'，2'y2'}，

'Type_C'：{'ID'：2,1:'x3'，2:'y3'}

（我不知道ID键需要哪个值，所以我使用
范围（0，3）
来生成序列号，并在我的
CSV
文件中使用编号
x
，
y
来区分列。）


附录1:

如果我正确理解了您编辑的问题，则您需要其他内容，因此我的代码的最后一部分可能是

result = {}
for col, lt in zip(df.columns, lst):
    result[col] = {'ID': 'Value'}
    result[col].update(lt)
result

给出
结果
：

{'Type_A'：{'ID'：'Value'，1:'x1'，2:'y1'}，

'Type_B'：{'ID'：'Value'，1:'x2'，2:'y2'}，

'Type_C'：{'ID'：'Value'，1:'x3'，2:'y3'}


附录2:

或者您想要其他东西-因此，不要使用附录1中的命令，而只使用
这是一个命令（目录理解）

给出
结果
：

{'Type_A'：[（'ID'，'Value'），（1，'x1'），（2，'y1'），

‘Type_B’：[（'ID'，'Value'），（1，'x2'），（2，'y2'），

'Type_C'：[（'ID'，'Value'），（1，'x3'），（2，'y3'）]]

你能让你的键值对独一无二，这样我们就可以看到一个模式吗？可能
x1、x2、x3
和
y1、y2、y3
？实际上，所有x都是相同的值，所有y也都是相同的值，但是在某些情况下，其中一个x可能是NaN。将其视为3个集合，集合A、集合B和集合C都可以具有相同的成员，但偶尔其中一个集合可能缺少一个成员，在这种情况下，其加载为NaN。我正在尝试构建这条dict，以使用它来帮助可视化集合之间的重叠。我认为我已经在某种程度上解决了问题，并编辑了问题以反映我的进度。为了更清晰，我编辑了原始问题，我对python非常陌生，所以请原谅我的命名错误。以当前答案无效的方式编辑您的原始问题不是一件很好的事情。我建议您将当前问题复制/粘贴为新问题，然后恢复此问题中的更改。我在答复中为您更改的请求编写了附录1和附录2。
result = {}
for col, lt in zip(df.columns, lst):
    result[col] = {'ID': 'Value'}
    result[col].update(lt)
result

result = {col: [('ID', 'Value')] + lt for col, lt in zip(df.columns, lst)}