如何使用pandas的groupby创建字典？

Question

我有一个数据框，其中包含不同患者组中每个个体的多个变量值。例如，对于痴呆症、健康对照组等多个个体，我有年龄、性别、体重等信息。最终，我想为每个组创建一个类似以下格式的字典：

{'Group': ['dementia', 'dementia', 'dementia'],
   'Age': [66, 67, 90],
   'Sex': ['M', 'M', 'F']}

请问如何遍历我的数据框并为每个组创建这样的字典？目前我已有了一个循环的开头部分：

for group in df.groupby('diagnosis'):

非常感谢！

Nicol Bolas · Answer

假设您有这样的输入：

             组别  年龄 性别
0  健康对照组   70   女
1      老年痴呆症   66   男
2      老年痴呆症   90   女
3  健康对照组   62   男
4  健康对照组   64   女
5      老年痴呆症   67   男

如果您需要在传统循环中使用字典，只需使用 pandas.DataFrame.to_dict 将组转换为字典：

for key, group in df.groupby('组别'):
    d = group.to_dict('list')

另外，您可以使用简洁的字典推导式来获取一个嵌套字典：

out = {k: g.to_dict('list') for k, g in df.groupby('组别')}

输出：

{'老年痴呆症': {'年龄': [66, 90, 67],
                '组别': ['老年痴呆症', '老年痴呆症', '老年痴呆症'],
                '性别': ['男', '女', '男']},
 '健康对照组': {'年龄': [70, 62, 64],
                 '组别': ['健康对照组', '健康对照组', '健康对照组'],
                 '性别': ['女', '男', '女']}}

或者，由于组别已经作为键存在，我们可以从内部字典中删除它：

cols = df.columns.difference(['组别'])
out = {k: g[cols].to_dict('list') for k, g in df.groupby('组别')}

输出：

{'老年痴呆症': {'年龄': [66, 90, 67], '性别': ['男', '女', '男']},
 '健康对照组': {'年龄': [70, 62, 64], '性别': ['女', '男', '女']}}

Esailija · Answer

您可以尝试使用 @mozway 提供的输入进行如下操作：

             组别  年龄 性别
0  健康对照组   70   女
1      老年痴呆症   66   男
2      老年痴呆症   90   女
3  健康对照组   62   男
4  健康对照组   64   女
5      老年痴呆症   67   男

通过 groupby 创建一个按组别键的数据框字典。

df_dicts = dict(tuple(df.groupby('组别')))

要按照组别键打印每个分组内容：

df_dicts['老年痴呆症'].to_dict('list')

输出：

{'组别': ['老年痴呆症', '老年痴呆症', '老年痴呆症'],
 '年龄': [66, 90, 67],
 '性别': ['男', '女', '男']}

以及

df_dicts['健康对照组'].to_dict('list')

输出：

{'组别': ['健康对照组', '健康对照组', '健康对照组'],
 '年龄': [70, 62, 64],
 '性别': ['女', '男', '女']}

Mureinik · Answer

提议脚本

import pandas as pd

# 创建一个示例数据框
data = {'诊断': ['老年痴呆症', '老年痴呆症', '对照组', '对照组', '老年痴呆症'],
        '年龄': [66, 67, 45, 55, 90],
        '性别': ['男', '男', '女', '男', '女']}
df = pd.DataFrame(data)

# 创建一个空字典用于存储分组字典
group_dicts = {}

# 遍历各组
for name, group in df.groupby('诊断'):
    # 为当前组创建一个新的字典
    group_dict = {'组别': name}
    # 提取其他列的值并转换为列表
    for col in df.columns[1:]:
        group_dict[col] = group[col].tolist()
    # 将分组字典添加到分组字典集合中
    group_dicts[name] = group_dict

# 打印得到的嵌套字典结果
print(group_dicts)

结果

{
'对照组': {'组别': '对照组', '年龄': [45, 55], '性别': ['女', '男']},
'老年痴呆症': {'组别': '老年痴呆症', '年龄': [66, 67, 90], '性别': ['男', '男', '女']}
}