在pandas中，groupby后将多列合并为一行JSON应使用apply配合to_dict('records')和json.dumps，并用fillna(None)处理NaN、ensure_ascii=False支持中文，避免to_json(orient='records')的转义问题。
在 pandas 中，groupby 后将多列结果合并为一行 JSON，核心是用 apply 配合 to_dict 和 json.dumps（或直接用 to_json），但要注意数据类型兼容性和结构控制。
用 apply + to_dict + json.dumps 生成标准 JSON 字符串
这是最灵活、推荐的方式，能精确控制字段名和数据类型：
- 对每个分组，用
df.to_dict('records')转成字典列表（每行一个 dict） - 再用
json.dumps序列化，可加ensure_ascii=False支持中文 - 避免直接用
to_json(orient='records')，它可能输出带转义的字符串（如"\u4f60"），而dumps更可控
示例：
import pandas as pd
import json
<p>df = pd.DataFrame({
'group': ['A', 'A', 'B', 'B'],
'name': ['张三', '李四', '王五', '赵六'],
'score': [85, 92, 78, 88],
'active': [True, False, True, True]
})</p><p>result = df.groupby('group').apply(
lambda x: json.dumps(x[['name', 'score', 'active']].to_dict('records'),
ensure_ascii=False)
).reset_index(name='data_json')</p><h1>输出：</h1><h1>group data_json</h1><h1>0 A [{"name": "张三", "score": 85, "active": true}, {"name": "李四", "score": 92, "active": false}]</h1><h1>1 B [{"name": "王五", "score": 78, "active": true}, {"name": "赵六", "score": 88, "active": true}]</h1><p>只取特定列并控制键名（重命名字段）
如果原始列名不友好，或想统一输出字段，可在 to_dict 前用 rename 或构造新 DataFrame：
- 用
x[['name','score']].rename(columns={'name':'user','score':'point'}) - 再
.to_dict('records')→ 字段名即为重命名后的名称
避免 NaN 导致 JSON 序列化失败
pandas 的 NaN 无法直接被 json.dumps 处理，会报错 TypeError: Object of type float is not JSON serializable：
- 解决方法：在
to_dict前用.fillna(None)，因为None会被dumps正确转为null - 或者更稳妥地：用
df.replace({np.nan: None})全局替换（需 import numpy as np）
修正版片段：
lambda x: json.dumps(
x[['name', 'score', 'active']].fillna(None).to_dict('records'),
ensure_ascii=False
)
性能提示：大数据量时慎用 apply
apply 是 Python 级循环，对百万级分组较慢。若只需简单聚合（如拼接字符串），可用 agg + to_json，但灵活性低：
-
df.groupby('group').agg({'name': list, 'score': list})→ 得到列表，再手动构 dict + dumps - 不推荐直接
.agg(lambda x: x.to_json(...))，因to_json对 Series 行为不符合预期
