本文介绍如何将 DataFrame 中存储为字符串的多语言列表（如 ['English','Japanese']）安全解析为 Python 列表，并按每个语言项反向映射到对应图书，最终构建“语言 → 图书列表（单个时为字符串，多个时为列表）”的嵌套字典结构。

本文介绍如何将 dataframe 中存储为字符串的多语言列表（如 `['english','japanese']`）安全解析为 python 列表，并按每个语言项反向映射到对应图书，最终构建“语言 → 图书列表（单个时为字符串，多个时为列表）”的嵌套字典结构。

在实际数据处理中，常遇到 CSV 导入后数组字段被读作字符串（如 "['English','Japanese']"）的情况。直接对这类列使用 groupby 无法生效，因为 pandas 不会自动展开嵌套结构。核心思路是：先安全解析字符串为真实列表，再逐行展开（explode）语言项，最后聚合映射关系。

推荐采用 pandas 原生链式操作，兼顾可读性与性能（优于显式 for 循环）：

import pandas as pd
import ast

# 示例数据
df = pd.DataFrame({
    "Book Name": ["Book 1", "Book 2", "Book 3"],
    "Languages": ["['Portuguese','English']", "['English','Japanese']", "['Spanish','Italian','English']"]
})

# 步骤1：安全解析字符串为列表（ast.literal_eval 比 eval() 更安全）
df["Languages"] = df["Languages"].apply(ast.literal_eval)

# 步骤2：使用 explode 展开数组列——每条记录按语言项拆分为多行
exploded = df.explode("Languages")

# 步骤3：按 Language 分组，聚合 Book Name 为 list；再统一处理单元素情况
result_series = exploded.groupby("Languages")["Book Name"].apply(list)

# 步骤4：转换为所需格式：单元素保留字符串，多元素保留列表
language_dict = {
    lang: books[0] if len(books) == 1 else books
    for lang, books in result_series.items()
}

print(language_dict)

输出：

Claw Code Suite (Python-Only Edition)

仅使用 Python 将 Claw Code 虚拟化框架与 OpenClaw 集成，提供 184 种工具和 200 多条命令，用于安全分析和代码质量...

下载

{
  'Portuguese': 'Book 1',
  'English': ['Book 1', 'Book 2', 'Book 3'],
  'Japanese': 'Book 2',
  'Spanish': 'Book 3',
  'Italian': 'Book 3'
}

⚠️ 注意事项：

• 永远避免使用 eval() 解析字符串数组，它可能执行任意代码，存在严重安全隐患；务必使用 ast.literal_eval()。
• 若原始 CSV 中存在空值（NaN）或格式异常的字符串（如缺失引号），ast.literal_eval() 会抛出 ValueError，建议添加异常处理或预清洗：

  df["Languages"] = df["Languages"].apply(lambda x: ast.literal_eval(x) if isinstance(x, str) and x.strip() else [])

• explode() 要求列中元素为可迭代对象（如 list, tuple），若含 None 或非迭代类型需提前填充（如用空列表 [] 替代）。

该方法逻辑清晰、可扩展性强，适用于任意“一对多”字段的反向索引构建场景，如标签分类、技能匹配、多选属性统计等。