Python 如何将关联的数据帧数据导出到字典中？

我想将以下风格的数据帧放入字典中

输入：

>>>import pandas as pd

>>>df = pd.read_csv('file.csv')
>>>print(df)

   Market  Rep  Name  Date  Amount
0  A1      B1   C1    D1    1
1  A1      B1   C1    D1    2 
2  A1      B1   C1    D2    3
3  A1      B1   C1    D2    4
4  A1      B1   C2    D1    5
5  A1      B1   C2    D1    6
6  A1      B1   C2    D2    7
7  A1      B1   C2    D2    8
8  A1      B2   C3    D1    9
9  A1      B2   C3    D1    10
10 A1      B2   C3    D2    11
11 A1      B2   C3    D2    12
12 A2      B3   C4    D1    13
13 A2      B3   C4    D1    14

期望输出：

>>> print(associated_data)
{'A1': {'B1': {'C1': {'D1':[1 + 2],
                     {'D2':[3 + 4]},
               'C2': {'D1':[5 + 6],
                      'D2':[7 + 8]}}
       {'B2': {'C3': {'D1':[9 + 10],
                      'D2':[11 + 12]}}},
 'A2': {'B3': {'C4': {'D1':[13 + 14]}}}}

这可能不是组织和排序数据的最佳方式，因此我愿意提出建议

我尝试了一种方法，我希望它能起作用，通过大量的for循环，如下所示：

# Main function
for market in df['Market'].unique():
    market_data = self.df.loc[self.df['Market'] == market]
    associated_reps = market_data['Rep'].unique()

    # Repeat
    for rep in associated_reps:
        rep_data = market_data.loc[market_data['Rep'] == rep]
        associated_names = rep_data['Name'].unique()

        # Repeat
        for name in associated_names:
            name_data = rep_data.loc[rep_data['Name'] == name]
            associated_dates = name_data['Date'].unique()

            # Repeat
            for date in associated_dates:
                date_data = name_data.loc[name_data['Date'] == date]
                associated_amount = sum(date_data['Amount'].tolist())

                # Attempted solution code (total fail)
                breakdown[market][rep][name][date] = associated_amount

这会适当地分离所有数据，并在最后尝试将所有数据放在一起。我希望你能制作一个这样的超级嵌套dict，但它完全失败了（因为事实证明，dict不是这样工作的）

如何生成所需的输出以产生相同的结果（可能还需要更短的排序代码）

---

谢谢

遍历行+值应该可以工作

dict_values = {}
for idx, row in df.iterrows():
    A, B, C, D, Amount = row
    if A not in dict_values.keys():
        dict_values[A]={}
    if B not in dict_values[A].keys():
        dict_values[A][B]={}
    if C not in dict_values[A][B].keys():
        dict_values[A][B][C]={}
    if D not in dict_values[A][B][C].keys():
        dict_values[A][B][C][D]=[Amount]
    else:
        dict_values[A][B][C][D].append(Amount)

---

发布了类似的问题，例如，请参阅，但下面的解决方案将起作用

为数据中的所有“类别”设置索引，这些是输出目录中的键

聚集索引以删除重复的索引

生成输出指令

导入pprint
将numpy作为np导入
def制造指令（指示值、d、v）：
“”“将索引项累积为目录中的键。”
p=d
#获取最后一个但只有一个dict级别的句柄，如果它们
#他们不在场
对于ind_vals[：-1]中的ix：
#如有必要，替换为collection.OrderedDict。
p=p.setdefault（ix，{}）
#设置感兴趣的实际值。
p[ind_vals[-1]]=v
#正确设置索引。
df=df.set_索引（['Market'，'Rep'，'Name'，'Date']）
#将值分组，这样我们就不会有重复的索引
df=df.groupby（level=df.index.names）.apply（np.sum）
dct={}#必要时替换为collection.OrderedDict。
对于idx，df.iterrows（）中的val：
制作目录（idx、dct、val.Amount）
pprint.pprint（dct）
#{'A1'：{'B1'：{'C1'：{'D1'：3，'D2'：7}，'C2'：{'D1'：11，'D2'：15}，
#'B2'：{'C3'：{'D1'：19，'D2'：23}，
#'A2'：{'B3'：{'C4'：{'D1'：27}}

您真的想要输出中的字符串

['1+2']

还是结果

[1+2]

，也称

[3]

？或者您正在尝试获取值列表

[1,2]

？您是否尝试过将

groupby

和

添加到dict

（或

添加到json

）？@G.Anderson将示例[1+2]添加到一起。在这种情况下，他们就像两个独立的销售。我还没有尝试过任何一种（直到现在才真正了解它们）。非常感谢您发布此帖子：）我与另一个共享为可能的副本的问题是，没有真正说明为什么有效。此外，数据要短得多，并且在列表中，而不是在字典中。