
本文讲解如何基于分组后的 dataframe 数据,正确构建包含多层嵌套结构(如客户信息 + 多个保单详情)的 json-like 字典列表,重点解决因重复赋值导致的字段覆盖问题,并提供清晰、可复用的 python 实现方案。
本文讲解如何基于分组后的 dataframe 数据,正确构建包含多层嵌套结构(如客户信息 + 多个保单详情)的 json-like 字典列表,重点解决因重复赋值导致的字段覆盖问题,并提供清晰、可复用的 python 实现方案。
在处理客户与多保单关联的数据时,常见需求是将每个客户的公共属性(如姓名、联系方式)与其多个保单明细(如 Policy_No、Receipt_No 等)分离建模,形成类似 { "Id": "...", "attributes": { "u_fn": "...", "policies_details": [ {...}, {...} ] } } 的嵌套结构。原始代码中直接在 for j in i["attributes"] 循环内反复赋值 attributes["Policy_No"] 和 attributes["Receipt_No"],导致后一次迭代覆盖前一次结果——这是典型的非累积式覆盖错误。
要正确实现“一对多”嵌套,核心思路是:
✅ 分离关注点:将客户级静态属性(仅需取第一条记录即可)与保单级动态列表(需遍历全部)明确区分;
✅ 预定义键集合:通过 attribute_keys 和 policy_details_keys 显式声明字段归属,提升可读性与可维护性;
✅ 使用字典解包(|)组合结构:避免手动逐字段赋值,利用 Python 3.9+ 的合并操作符安全拼接;
✅ 构造列表而非单值:对保单字段,用列表推导式生成 policies_details,确保所有记录被保留。
以下是完整、可运行的优化实现:
import pandas as pd
import json
# 原始数据(同题干)
df = pd.DataFrame({
'type': ['customer','customer','customer','customer'],
'customer_id': ['1-0000001','1-0000001','1-0000002','1-0000002'],
'u_fn': ['TestUser1_FirstName','TestUser1_FirstName','TestUser2_FirstName','TestUser2_FirstName'],
'u_ln': ['TestUser1_LastName','TestUser1_LastName','TestUser2_LastName','TestUser2_LastName'],
'Customer_Type_ID': ['ΦΥΣΙΚΟ','ΦΥΣΙΚΟ','ΦΥΣΙΚΟ','ΦΥΣΙΚΟ'],
'u_em': ['<a class="__cf_email__" data-cfemail="84e7f1f7f0ebe9e1f6b5c4ebf0e1eae1f0aae3f6" href="/cdn-cgi/l/email-protection">[email protected]</a>','<a class="__cf_email__" data-cfemail="f1928482859e9c9483c0b19e85949f9485df9683" href="/cdn-cgi/l/email-protection">[email protected]</a>','<a class="__cf_email__" data-cfemail="cdaeb8beb9a2a0a8bfff8daaa0aca4a1e3aea2a0" href="/cdn-cgi/l/email-protection">[email protected]</a>','<a class="__cf_email__" data-cfemail="c5a6b0b6b1aaa8a0b7f785a2a8a4aca9eba6aaa8" href="/cdn-cgi/l/email-protection">[email protected]</a>'],
'u_mb': ['6900000001','6900000001','6900000002','6900000002'],
'# of policies':[2,2,2,2],
'Company_ID': [2,2,2,2],
'Branch_ID': [5,5,5,5],
'Policy_No': ['000000001','000000001','000000002','000000002'],
'Receipt_No': ['420000001','420000002','430000001','430000002']
})
# 步骤1:按 customer_id 分组,每组转为 records 列表(保持原始行结构)
grouped = df.groupby('customer_id').apply(
lambda x: x[['u_fn', 'u_ln', 'Customer_Type_ID', 'u_em', 'u_mb',
'# of policies', 'Company_ID', 'Branch_ID', 'Policy_No', 'Receipt_No']].to_dict('records')
).reset_index(name='attributes')
# 步骤2:定义字段分类(清晰、易维护)
attribute_keys = ["u_fn", "u_ln", "Customer_Type_ID", "u_em", "u_mb", "# of policies"]
policy_details_keys = ["Company_ID", "Branch_ID", "Policy_No", "Receipt_No"]
# 步骤3:构建最终嵌套结构
results = []
for contact in grouped.to_dict('records'):
# 提取客户 ID
customer_id = contact["customer_id"]
attributes_list = contact["attributes"] # 当前客户的所有原始行(含多条保单)
# ✅ 客户级属性:取第一条记录的指定字段(所有行相同,故任取其一)
base_attrs = {key: attributes_list[0][key] for key in attribute_keys}
# ✅ 保单详情列表:遍历所有行,提取 policy 相关字段
policies_details = [
{key: attr[key] for key in policy_details_keys}
for attr in attributes_list
]
# ✅ 合并:base_attrs + {"policies details": policies_details}
final_attributes = base_attrs | {"policies details": policies_details}
# ✅ 构建顶层对象
results.append({
"Id": customer_id,
"attributes": final_attributes
})
# 输出验证(格式化 JSON)
print(json.dumps(results, indent=2, ensure_ascii=False))关键注意事项:
- ⚠️ 不要在循环内重复赋值同一字典键:如
attributes["Receipt_No"] = ...会覆盖前值;应始终用list.append()或列表推导式构建集合。 - ⚠️ 确保字段归属无歧义:
# of policies是客户维度统计值(标量),而Receipt_No是保单维度明细(多值),二者不可混存于同一层级。 - ⚠️ 兼容性提示:字典合并操作符
|需 Python ≥ 3.9;若使用旧版本,请替换为dict(a, **b)或a.update(b)(注意后者会就地修改)。 - ✅ 扩展友好:新增字段只需加入对应
*_keys列表,逻辑无需改动。
该方案结构清晰、语义明确,彻底规避了覆盖陷阱,可直接集成到 ETL 流程或 API 响应构造中。

















