我不确定您所说的“任何自定义解析函数”是什么意思，但这里是我的尝试。
解决方案使用iterrows来遍历行。对于每一行，我使用上面定义的x_columns变量获取以_x结尾的列，对于以_y结尾的列也是如此。row[x_columns]将值作为Pandas系列提供给您，因此你需要在添加之前把它转换成一个列表来适应你想要的格式。2我把所有这些都附加到一个结果变量中，并在最后打印这个结果变量。

import pandas as pd

# Create a dataframe for demo
data={"id":[15,12,13,22,32,11], "jan_x":[15,12,13,22,32,11],"jan_y":[12,21,23,22,56,11], "feb_x":[15,12,13,22,32,11],"feb_y":[12,21,23,22,56,11]}
df=pd.DataFrame(data)

# Get columns that ends with _x and _y
x_columns = [col for col in df if col.endswith('_x')]
y_columns = [col for col in df if col.endswith('_y')]

# Iterate through rows
results = []
for index, row in df.iterrows():
  results.append({
    "id"+str(row['id']): [
        list(row[x_columns]),
        list(row[y_columns])
        ]
    })
    
print(result)

下面是我的示例输入：

id  jan_x  jan_y  feb_x  feb_y
0  15     15     12     15     12
1  12     12     21     12     21
2  13     13     23     13     23
3  22     22     22     22     22
4  32     32     56     32     56
5  11     11     11     11     11

下面是输出：

[{'id15': [[15, 15], [12, 12]]}, 
 {'id12': [[12, 12], [21, 21]]}, 
 {'id13': [[13, 13], [23, 23]]}, 
 {'id22': [[22, 22], [22, 22]]}, 
 {'id32': [[32, 32], [56, 56]]}, 
 {'id11': [[11, 11], [11, 11]]}
 ]

更新：

在按通用后缀（“x”，“y”，...）聚合后使用to_dict('list')：

import json

out = (df.rename(columns=lambda x: x.split('_')[-1])
         .set_index('id').groupby(level=0, axis=1, sort=False)
         .agg(lambda x: x.values.tolist()).T.to_dict('list'))
jd = json.dumps(out, indent=4)

输出：

>>> out
{'1': [[1, 9], [5, 13]],
 '2': [[2, 10], [6, 14]],
 '3': [[3, 11], [7, 15]],
 '4': [[4, 12], [8, 16]]}