本文介绍如何使用 pandas 从 excel 表格高效构建字典，使第一列作为键，后续各列值组合为元组或列表作为对应值，并提供两种实现方式及关键注意事项。
本文介绍如何使用 pandas 从 excel 表格高效构建字典，使第一列作为键，后续各列值组合为元组或列表作为对应值，并提供两种实现方式及关键注意事项。
在数据处理中，常需将 Excel 表格结构转换为 Python 字典以便快速查找或进一步计算。根据需求——将首列（如 Column 1）作为字典键，其余列（Column 2, Column C3）的值组合为元组作为对应值（例如 {'a': ('b', 'c'), 'd': ('e', 'f')}），核心在于正确设置索引与聚合逻辑。
✅ 正确做法：两步法（推荐）
首先，用 pandas.read_excel() 将 Excel 加载为 DataFrame，并将第 0 列（即首列）设为行索引（index_col=0），而非错误地指定多级索引（如 index_col=[1,2]）。接着，对每行应用 agg(tuple, axis=1) 沿列方向聚合，最后调用 to_dict()：
import pandas as pd
path_sheet = 'path_sheet_name.xls'
df = pd.read_excel(path_sheet, header=0, index_col=0) # 注意：header=0（非[0]），index_col=0（非[1,2]）
my_dict = df.agg(tuple, axis=1).to_dict()
print(my_dict)
# 输出：{'a': ('b', 'c'), 'd': ('e', 'f')}
? 说明：axis=1 表示按行聚合；tuple 函数将每行非索引列的值转为元组；to_dict() 自动以索引值为键生成字典。
? 替代方案：转置 + to_dict('list')
若接受列表而非元组，可使用更简洁的链式操作：
my_dict = df.T.to_dict('list')
# 输出：{'a': ['b', 'c'], 'd': ['e', 'f']}
但注意：此方法返回的是列表，如需元组，仍需后处理（如 my_dict = {k: tuple(v) for k, v in my_dict.items()}）。
⚠️ 关键注意事项
- 列名与索引混淆：index_col=[1,2] 会将第 1、2 列作为多级索引，导致键值倒置（如答案中出现的 {'Column 1': {('b','c'): 'a'...}}），务必改为 index_col=0。
-
空格陷阱：Excel 单元格末尾常含不可见空格，可能造成键名不一致（如 'a ' vs 'a'）。建议预处理：
df.index = df.index.astype(str).str.strip() # 清理索引空格 df = df.apply(lambda x: x.astype(str).str.strip()) # 清理所有值空格
- 缺失值处理：若存在 NaN，tuple() 会保留 nan；如需跳过，可用 df.dropna(axis=1).agg(tuple, axis=1).to_dict() 或自定义聚合函数。
✅ 总结
要精准生成 {'key': (val1, val2, ...)} 结构，应：
① 用 index_col=0 固定首列为字典键；
② 用 df.agg(tuple, axis=1).to_dict() 直接完成映射；
③ 始终校验数据类型与空格，确保键值一致性。该方法简洁、可读性强，适用于任意列数的 Excel 表格。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
