本文介绍如何使用 pandas 对 dataframe 按某一列（如 name）分组，先去除重复项，再将另一列（如 series）聚合为无重复列表，最终输出符合 json 格式的嵌套字典。
在数据处理中，常需将扁平化的表格结构（如含重复组合的 Name-Series 关系）转换为层次化键值结构：以 Name 为键、对应去重后的 Series 值列表为值。这本质上是「分组→去重→聚合→序列化」四步操作。
最简洁高效的方式是结合 drop_duplicates() 与 groupby().agg(list)：
import pandas as pd # 示例数据 df = pd.DataFrame({'Name': ['A', 'B', 'A', 'A', 'B'], 'Series': ['A1', 'B1', 'A2', 'A1', 'B2'] }) # 方案 1：先全局去重，再分组聚合（推荐）result = df.drop_duplicates().groupby('Name')['Series'].agg(list).to_dict() print(result) # 输出： {'A': ['A1', 'A2'], 'B': ['B1', 'B2']}该方案逻辑清晰：drop_duplicates() 移除所有完全重复行（避免同一 Name-Series 多次出现），再通过 groupby(‘Name’)[‘Series’].agg(list) 将每个 Name 下的 Series 值聚合成列表，最后用 .to_dict() 转为标准 Python 字典——天然兼容 json.dumps()。
若需保留原始顺序但仅去重（不依赖全局去重），可改用 unique()：
立即学习 “Python 免费学习笔记（深入）”；
# 方案 2：分组内去重（保持首次出现顺序）result = df.groupby('Name')['Series'].agg(lambda x: x.unique().tolist()).to_dict()⚠️ 注意事项：
- 若 DataFrame 含多余列（如 ID、Timestamp），务必先用 df[[‘Name’, ‘Series’]] 显式选取目标列，避免 drop_duplicates() 因其他列差异误删有效组合；
- 如需结果中列表按字母或数值排序，可在聚合时嵌入 sorted()：
result = df.groupby('Name')['Series'].agg(lambda x: sorted(x.unique().tolist()) ).to_dict() - 最终字典可直接用于 JSON 序列化：import json; json_str = json.dumps(result, indent=2)
此方法兼顾性能与可读性，适用于中等规模数据（百万行内），且无需额外依赖，是 Pandas 生态中的标准实践。
