Python 3.x 从系列到字典

我有以下代码和输出

    mean = dataframe.groupby('LABEL')['RESP'].mean()
    minimum = dataframe.groupby('LABEL')['RESP'].min()
    maximum = dataframe.groupby('LABEL')['RESP'].max()
    std = dataframe.groupby('LABEL')['RESP'].std()
    df = [mean, minimum, maximum]

和以下输出

[LABEL
     0.0   -1.193420
     1.0    0.713425
     2.0   -1.066513
     3.0   -0.530640
     4.0   -2.130600
     6.0    0.084747
     7.0    1.190506
     Name: RESP, dtype: float64,
     LABEL
     0.0   -1.396179
     1.0   -0.233459
     2.0   -1.631165
     3.0   -1.271057
     4.0   -2.543640
     6.0   -0.418091
     7.0   -0.004578
     Name: RESP, dtype: float64,
     LABEL
     0.0    0.042247
     1.0    0.295534
     2.0    0.128233
     3.0    0.243975
     4.0    0.088077
     6.0    0.085615
     7.0    0.693196
     Name: RESP, dtype: float64

]

但是，我希望输出是一个字典

{label_value: [mean, min, max, std_dev]}

比如说

{1: [1, 0, 2, 1], 2: [0, -1, 1, 1], ... }

---

我假设您的起始数据帧与我合成的数据帧相同

在一次对聚合的调用中计算所有聚合值。四舍五入的值，因此输出符合此答案

在聚合上重置索引（）

，然后将

重置为dict（）

列出要根据您的规范重新格式化

dict

输出

{0: [0.5007, 0.0029, 0.997, 0.2842],
 1: [0.4967, 0.0001, 0.9993, 0.2855],
 2: [0.4742, 0.0003, 0.9931, 0.2799],
 3: [0.5175, 0.0062, 0.9996, 0.2978],
 4: [0.4909, 0.0018, 0.9952, 0.2912],
 5: [0.4787, 0.0077, 0.9976, 0.291],
 6: [0.4878, 0.0009, 0.9942, 0.2806],
 7: [0.4989, 0.0066, 0.9982, 0.278]}

阅读

.agg（）

方法，您将需要它。

{0: [0.5007, 0.0029, 0.997, 0.2842],
 1: [0.4967, 0.0001, 0.9993, 0.2855],
 2: [0.4742, 0.0003, 0.9931, 0.2799],
 3: [0.5175, 0.0062, 0.9996, 0.2978],
 4: [0.4909, 0.0018, 0.9952, 0.2912],
 5: [0.4787, 0.0077, 0.9976, 0.291],
 6: [0.4878, 0.0009, 0.9942, 0.2806],
 7: [0.4989, 0.0066, 0.9982, 0.278]}