Python 将DataFrame转换为任意嵌套的JSON数据

假设我有一个名为

df

的熊猫数据帧，它看起来像：

source      tables      columns      
src1        table1      col1       
src1        table1      col2
src1        table2      col1 
src2        table1      col1
src2        table1      col2

下面我的当前代码可以遍历源列表，并将每个源中的表列表嵌套为对象：

data = [
    {k: v} 

    for k, v in df.groupby('source')['tables'].agg(
        lambda x: {v: {} for v in x}).items()
    ]

    with open('data.json', 'w') as f:
        json.dump(data, f, indent = 2)

我收到的代码输出如下：

[
  {
    "src1": {
      "table1": {},
      "table2": {}
    }
  },
  {
    "src2": {
      "table1": {},
    }
  }
]

我的期望输出：

[
  {
    "src1": {
      "table1": {
         "col1": {},
         "col2": {}
     },
      "table2": {
         "col1": {}
     }
    }
  },
  {
    "src2": {
      "table1": {
         "col1": {}
      }
    }
  }
]

---

如能协助将我的2层嵌套JSON文件转换为3层，如上图所示，将不胜感激。提前谢谢。

因为这里有多个级别的分组，我建议只使用for循环来迭代数据

from collections import defaultdict  

def make_nested(df): 
    f = lambda: defaultdict(f)   
    data = f()  

    for row in df.to_numpy().tolist():
        t = data
        for r in row[:-1]:
            t = t[r]
        t[row[-1]] = {}

    return data

---

这假设您的列是从左到右排列的：最外面的键到最里面的键。

请欣赏。我也只需要在前3列中使用它，因为我在DataFrame中还有其他列。您能否编辑您的答案，以便仅对前3列进行分组？Thanks@weovibewvoibweoivwoiv将df[[col1，col2，col3]]传递给函数，该函数应该可以完成。发布了另一个后续问题，希望您能帮助回答，谢谢。

print(json.dumps(make_nested(df), indent=2))
{
  "src1": {
    "table1": {
      "col1": {},
      "col2": {}
    },
    "table2": {
      "col1": {}
    }
  },
  "src2": {
    "table1": {
      "col1": {},
      "col2": {}
    }
  }
}