本文详解为何 `dataframe.to_dict()` 会产生嵌套字典，而 `series.to_dict()` 才能生成适用于 `rename(columns=...)` 的扁平映射字典，并提供简洁可靠的转换方法。
在使用 Pandas 进行数据清洗时，常需根据映射表（如变量名→中文标签）批量重命名 DataFrame 的列。一个常见误区是直接对双列 DataFrame 调用 .to_dict()，例如：
cen_columns = cen_columns[['VARIABLE', 'LABEL_CLEAN']].set_index('VARIABLE').to_dict()此时 cen_columns 是一个 dict，但其结构为 {'LABEL_CLEAN': {index1: value1, index2: value2, ...}} —— 即外层键为原始列名（此处仅 'LABEL_CLEAN'），内层才是真正的索引-值映射。这种嵌套结构无法被 DataFrame.rename(columns=...) 直接接受，因为 rename 要求传入的字典必须是 旧列名 → 新列名 的一对一扁平映射。
根本原因在于：
✅ pd.Series.to_dict() 返回 index → value 的单层字典；
❌ pd.DataFrame.to_dict() 默认返回 column → {index → value} 的嵌套字典（即使只有一列）。
因此，正确做法是先提取目标 Series，再调用 .to_dict()：
# ✅ 推荐：简洁、明确、高效
mapper = cen_columns.set_index('VARIABLE')['LABEL_CLEAN'].to_dict()
census_age.rename(columns=mapper, inplace=True)该写法等价于：
- cen_columns.set_index('VARIABLE') → 将 'VARIABLE' 设为行索引；
- ['LABEL_CLEAN'] → 选取单列，返回 pd.Series；
- .to_dict() → 将 Series 转为 {index: value} 形式的字典，即 {'B01001_001E': 'Total', ...}。
⚠️ 注意事项：
- 避免使用 to_series().map(...) 链式操作（如原代码中 census_age.columns.to_series().map(cen_columns['LABEL_CLEAN'])），它依赖 cen_columns['LABEL_CLEAN'] 是可索引对象，但若未设索引或存在缺失键，易引发 KeyError 或静默返回 NaN；
- rename(columns=...) 是就地重命名的推荐方式，语义清晰且支持部分匹配（未在字典中的列名保持不变）；
- 若原始 cen_columns 中 'VARIABLE' 存在重复值，set_index 会触发警告，建议提前检查：cen_columns['VARIABLE'].is_unique。
总结：从映射表构建列重命名字典的核心原则是——确保输入 rename 的字典类型为 dict[str, str]，而非 dict[str, dict]。最稳妥路径永远是：DataFrame → 索引化 → 提取 Series → .to_dict()。
