如何基于Pandas DataFrame列值创建嵌套字典？

现有如下Pandas DataFrame：

df1 = pd.DataFrame(data={'col1': [21, 44, 28, 32, 20, 39, 42], 
                         'col2': ['<1', '>2', '>2', '>3', '<1', '>2', '>4'], 
                         'col3': ['yes', 'yes', 'no', 'no', 'yes', 'no', 'yes'], 
                         'col4': [1, 1, 0, 0, 1, 0, 1], 
                         'Group': [0, 2, 1, 1, 0, 1, 2] })

DataFrame内容预览：

col1 col2 col3  col4  Group
0    21   <1  yes     1      0
1    44   >2  yes     1      2
2    28   >2   no     0      1
3    32   >3   no     0      1
4    20   <1  yes     1      0
5    39   >2   no     0      1
6    42   >4  yes     1      2

需要基于Group列的取值0、1、2，生成指定结构的嵌套字典，处理规则：

• 数值列（col1、col4）：按分组计算均值（mean）和标准差（sd）
• 字符串列（col2、col3）：提取分组内去重后的唯一值，存为列表

目标输出结构如下：

{0: {'col1': {'mean': 20.5, 'sd': 0.5},
  'col2': ['<1'],
  'col3': ['yes'],
  'col4': {'mean': 1, 'sd': 0}},
 1: {'col1': {'mean': 33, 'sd': 4.54},
  'col2': ['>2', '>3'],
  'col3': ['no'],
  'col4': {'mean': 0, 'sd': 0}},
 2: {'col1': {'mean': 43, 'sd': 1},
  'col2': ['>2', '>4'],
  'col3': ['yes'],
  'col4': {'mean': 1, 'sd': 0}}}

核心逻辑是按Group列分组遍历，对不同类型的列执行对应计算后组装字典。注意示例中的标准差为总体标准差（除以样本量n），调用std()时需指定ddof=0才能匹配结果。

import pandas as pd

# 初始化原始DataFrame
df1 = pd.DataFrame(data={'col1': [21, 44, 28, 32, 20, 39, 42], 
                         'col2': ['<1', '>2', '>2', '>3', '<1', '>2', '>4'], 
                         'col3': ['yes', 'yes', 'no', 'no', 'yes', 'no', 'yes'], 
                         'col4': [1, 1, 0, 0, 1, 0, 1], 
                         'Group': [0, 2, 1, 1, 0, 1, 2] })

# 区分数值列和字符串列
numeric_columns = ['col1', 'col4']
string_columns = ['col2', 'col3']

result_dict = {}
# 按Group分组迭代处理
for group_id, group_data in df1.groupby('Group'):
    group_result = {}
    # 处理数值列：计算均值、总体标准差，保留2位小数
    for col in numeric_columns:
        mean_val = round(group_data[col].mean(), 2)
        # ddof=0对应总体标准差，匹配示例计算结果
        sd_val = round(group_data[col].std(ddof=0), 2)
        group_result[col] = {'mean': mean_val, 'sd': sd_val}
    # 处理字符串列：提取去重值转为列表
    for col in string_columns:
        group_result[col] = group_data[col].unique().tolist()
    result_dict[group_id] = group_result

# 打印输出结果
print(result_dict)

注意事项 #

• 如果需要计算样本标准差（除以n-1），去掉std()里的ddof=0参数即可
• 代码中round(...,2)用于控制输出小数位数，可根据实际精度需求调整
• 字符串列返回的唯一值顺序为数据中首次出现的顺序，和示例展示顺序一致

内容的提问来源于stack exchange，提问作者hanzgs