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
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]
})
result = df.groupby('group').apply(
lambda x: json.dumps(x[['name', 'score', 'active']].to_dict('records'), 
ensure_ascii=False)
).reset_index(name='data_json')
输出：
group                        data_json
0     A  [{"name": "张三", "score": 85, "active": true}, {"name": "李四", "score": 92, "active": false}]
1     B  [{"name": "王五", "score": 78, "active": true}, {"name": "赵六", "score": 88, "active": true}]

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 t

• 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