如何用Pandas GroupBy为每个分组创建字典？

首先要明确，df.groupby('diagnosis') 返回的是**(分组名称, 分组子DataFrame)**的元组对，所以循环时需要解构这两个值。以下是完整实现步骤：

1. 示例DataFrame准备（用于测试，可跳过） #

先构造一个符合你场景的测试数据：

import pandas as pd

data = {
    'diagnosis': ['dementia', 'dementia', 'dementia', 'control', 'control'],
    'Age': [66, 67, 90, 55, 60],
    'Sex': ['M', 'M', 'F', 'F', 'M'],
    'Weight': [70, 75, 62, 58, 72]
}
df = pd.DataFrame(data)

2. 循环生成目标字典 #

修改你的循环，解构分组名和子DataFrame，按需求构造字典：

# 可选：存储所有组的字典，按需决定是否保留
group_dicts = []

for group_name, group_df in df.groupby('diagnosis'):
    # 构造目标格式的字典
    group_dict = {
        'Group': [group_name] * len(group_df),  # 生成与子DataFrame行数匹配的分组名列表
        'Age': group_df['Age'].tolist(),
        'Sex': group_df['Sex'].tolist()
        # 如需添加其他变量（如Weight），直接追加对应列的tolist()即可
    }
    group_dicts.append(group_dict)
    # 也可直接在此处处理单个字典，比如打印查看
    print(f"分组 {group_name} 的字典：")
    print(group_dict)

3. 输出结果示例 #

运行代码后会得到如下格式的输出：

分组 dementia 的字典：
{'Group': ['dementia', 'dementia', 'dementia'], 'Age': [66, 67, 90], 'Sex': ['M', 'M', 'F']}
分组 control 的字典：
{'Group': ['control', 'control'], 'Age': [55, 60], 'Sex': ['F', 'M']}

扩展说明 #

如果需要自动包含所有变量（无需逐个列指定），可以用循环遍历列名：

group_dict = {'Group': [group_name] * len(group_df)}
for col in group_df.columns:
    if col != 'diagnosis':  # 跳过分组用的diagnosis列
        group_dict[col] = group_df[col].tolist()

内容的提问来源于stack exchange，提问作者sallicap