• 没有一行panda参数可以提供您所请求的dicts的list。
• 使用.groupby选择组
• g是表示用于groupby的值的tuple
• d是groupby值g的 Dataframe
• 使用.iterrows遍历每个组的行
• 返回由第一个_表示的index，因为不需要它
• 返回data，groupby_list中的标签将从data中删除，然后使用.to_dict()将余数转换为dict，并将其附加到list、att_list
• 遍历组中的所有行后，将att_list赋值为group['attributes']
• 每个组迭代完成后，将dict、group附加到dict_list。
• dict_list可以转换回 Dataframe ，如下所示：
• df = pd.json_normalize(dict_list, 'attributes', meta=groupby_list)

dict_list = list()
groupby_list = ['id', 'id_2']
for g, d in df.groupby(groupby_list):
    group = dict(zip(groupby_list, g))
    att_list = list()
    for _, data in d.iterrows():
        data = data.drop(labels=groupby_list)
        att_list.append(data.to_dict())
    group['attributes'] = att_list
    dict_list.append(group)

dict_list：

[{'attributes': [{'allowance': 'No',
                  'name': 'Dave',
                  'salary': 120000,
                  'title': 'director'},
                 {'allowance': 'Yes',
                  'name': 'shaun',
                  'salary': 75000,
                  'title': 'developer'}],
  'id': 110,
  'id_2': 13.12},
 {'attributes': [{'allowance': 'No',
                  'name': 'Tom',
                  'salary': 100000,
                  'title': 'director'},
                 {'allowance': 'Yes',
                  'name': 'Sam',
                  'salary': 70000,
                  'title': 'developer'}],
  'id': 420,
  'id_2': 13.28}]

df1.groupby(['id','id_2']).apply(lambda dd:dd.iloc[:,2:].to_dict('r'))\
    .to_frame("attributes").reset_index().to_dict('r')

输出：

[{'id': 110,
  'id_2': 13.12,
  'attributes': [{'salary': 120000,
    'title': 'director',
    'allowance': 'No',
    'name': 'Dave'},
   {'salary': 75000,
    'title': 'developer',
    'allowance': 'Yes',
    'name': 'shaun'}]},
 {'id': 420,
  'id_2': 13.28,
  'attributes': [{'salary': 100000,
    'title': 'director',
    'allowance': 'No',
    'name': 'Tom'},
   {'salary': 70000,
    'title': 'developer',
    'allowance': 'Yes',
    'name': 'Sam'}]}]