Python 如何将dataframe转换为集合字典？

我有一个数据帧，想转换一个由集合组成的字典

具体来说，我的数据帧和我想制作的内容如下：

    month   date
0   JAN       1
1   JAN       1
2   JAN       1
3   FEB       2
4   FEB       2
5   FEB       3
6   MAR       1
7   MAR       2
8   MAR       3

我的目标是：

dict = {'JAN' : {1}, 'FEB' : {2,3}, 'MAR' : {1,2,3}}

我也写了下面的代码，但是，我不确定它是否合适。 事实上，数据量很大， 因此，我想知道任何提示或其他有效更快的方法，使它

import pandas as pd
df = pd.DataFrame({'month' : ['JAN','JAN','JAN','FEB','FEB','FEB','MAR','MAR','MAR'],
                    'date'  : [1, 1, 1, 1, 2, 3, 1, 2, 3]})
df_list = df.values.tolist()

monthSet = ['JAN','FEB','MAR']
inst_id_dict = {}
for i in df_list:
    monStr = i[0]
    if monStr in monthSet:
        inst_id = i[1]
        inst_id_dict.setdefault(monStr, set([])).add(inst_id)

---

让我们尝试对月份列进行分组，然后按GroupBy.unique进行聚合：

或者，如果您喜欢集合词典，请使用Groupby.agg：

另一个想法是迭代构建dict别担心，尽管使用循环，这可能会超过groupby选项的速度：

---

让我们尝试对月份列进行分组，然后按GroupBy.unique进行聚合：

或者，如果您喜欢集合词典，请使用Groupby.agg：

另一个想法是迭代构建dict别担心，尽管使用循环，这可能会超过groupby选项的速度：

df.groupby('month', sort=False)['date'].unique().map(set).to_dict()
#  {'JAN': [1], 'FEB': [2, 3], 'MAR': [1, 2, 3]}

df.groupby('month', sort=False)['date'].agg(set).to_dict()
# {'JAN': {1}, 'FEB': {2, 3}, 'MAR': {1, 2, 3}}

out = {}
for m, d in df.drop_duplicates(['month', 'date']).to_numpy():
     out.setdefault(m, set()).add(d)

out
# {'JAN': {1}, 'FEB': {2, 3}, 'MAR': {1, 2, 3}}