如果没有看到一些输入CSV（可能不止一点），我不能肯定itertools.groupby有什么好的功能。我没有看到你在使用它之前对行进行排序，从groupby的文档中：
通常，可迭代对象需要已经在同一个键函数上排序。
你知道CSV在你打开它之前已经按(label, operation)排序了吗？
我想对你的计划提出如下修改建议。
我假设你的CSV看起来像这样：

operation,label,query
op1,label1,query1
op1,label1,query2
op1,label2,query3
op2,label3,query4
op2,label4,query5
op2,label3,query6

字符串
你可以直接在文件上创建一个DictReader，不需要读取行然后将列表传递给DictReader：

with open("input.csv", newline="", encoding="utf-8") as f:
    reader = csv.DictReader(f)
    rows = list(reader)

型
list(reader)将迭代器转换为实际的dicts列表;不是绝对必要的，但如果/当你需要调试它时，它会帮助你有一个列表，比如：

print(rows)
# [
#     {"operation": "op1", "label": "label1", "query": "query1"},
#     {"operation": "op1", "label": "label1", "query": "query2"},
#     {"operation": "op1", "label": "label2", "query": "query3"},
#     {"operation": "op2", "label": "label3", "query": "query4"},
#     {"operation": "op2", "label": "label4", "query": "query5"},
#     {"operation": "op2", "label": "label3", "query": "query6"},
# ]

型
使用输入行（dicts）列表，迭代并直接创建JSON结构，然后打开输出文件并转储它：

data = []
for row in rows:
    obj = {
        "operation": row["operation"],
        "topic": {
            "label": row["label"],
            "query": row["query"],
        },
    }

    data.append(obj)

with open("output.json", "w", encoding="utf-8") as f:
    json.dump(data, f, indent=4)

型
考虑到我上面分享的输入CSV，我得到：

[
    {
        "operation": "op1",
        "topic": { "label": "label1", "query": "query1" }
    },
    {
        "operation": "op1",
        "topic": { "label": "label1", "query": "query2" }
    },
    {
        "operation": "op1",
        "topic": { "label": "label2", "query": "query3" }
    },
    {
        "operation": "op2",
        "topic": { "label": "label3", "query": "query4" }
    },
    {
        "operation": "op2",
        "topic": { "label": "label4", "query": "query5" }
    },
    {
        "operation": "op2",
        "topic": { "label": "label3", "query": "query6" }
    }
]

型
我只看到你需要groupby，如果你想在最终的JSON中将类似的对象分组在一个公共键下，比如：

{
    "op1@@label1": [
        {
            "operation": "op1",
            "topic": { "label": "label1", "query": "query1" }
        },
        {
            "operation": "op1",
            "topic": { "label": "label1", "query": "query2" }
        }
    ],
    "op1@@label2": [
        {
            "operation": "op1",
            "topic": { "label": "label2", "query": "query3" }
        }
    ],
    "op2@@label3": [
        {
            "operation": "op2",
            "topic": { "label": "label3", "query": "query4" }
        },
        {
            "operation": "op2",
            "topic": { "label": "label3", "query": "query6" }
        }
    ],
    "op2@@label4": [
        {
            "operation": "op2",
            "topic": { "label": "label4", "query": "query5" }
        }
    ]
}

型
要做到这一点，我建议首先定义一个 *key函数 *（就像你的lambda一样，但现在定义了其他函数）：

def key_func(row):
    return (row["operation"], row["label"])

型
现在，按照文档，在分组之前对行进行排序：

rows.sort(key=key_func)
grouped_iter = groupby(rows, key=key_func)

型
我将数据重新定义为对象/dict。每个分组键都有一个我们之前创建的对象的数组/列表。然后，在grouped_iter上迭代：

data = {}
for key, grouped_rows in grouped_iter:
    grouped_list = []
    for row in grouped_rows:
        obj = {
            "operation": row["operation"],
            "topic": {
                "label": row["label"],
                "query": row["query"],
            },
        }

        grouped_list.append(obj)

    data["@@".join(key)] = grouped_list

型
然后打开输出JSON文件并转储，如上所述。
您可以查看输入CSV和输出JSONs here的完整代码。