Python 如何从mean（）和std（）创建嵌套字典

我有一个带有州名称和一些数字数据的

数据集

：

d = {'state' : pd.Series(['ALASKA','CALIFORNIA','TEXAS'], index=[0,1,2]),
     'numericdata' : pd.Series([342, 234,756], index=[0,1,2])}
pd.DataFrame(d)

我想遍历每个状态，计算

mean（）

，和

std（）

，并将其添加到

dict

中，以便以后检索

我希望我的

dict

看起来像这样：

d={'ALASKA'：{'mean'：1，'std'：6}

我的问题是，我从未在python中使用过字典，我也不知道如何在字典中创建字典。我愿意接受任何建议

---

提前谢谢

我可以通过

描述

df.groupby('state')['numeric data'].describe().unstack().to_dict('index')

{'ALASKA': {'25%': 342.0,
  '50%': 342.0,
  '75%': 342.0,
  'count': 1.0,
  'max': 342.0,
  'mean': 342.0,
  'min': 342.0,
  'std': nan},
 'CALIFORNIA': {'25%': 234.0,
  '50%': 234.0,
  '75%': 234.0,
  'count': 1.0,
  'max': 234.0,
  'mean': 234.0,
  'min': 234.0,
  'std': nan},
 'TEXAS': {'25%': 756.0,
  '50%': 756.0,
  '75%': 756.0,
  'count': 1.0,
  'max': 756.0,
  'mean': 756.0,
  'min': 756.0,
  'std': nan}}


将其设置为仅
平均值
和
标准值

选项1

df.groupby('state')['numeric data'].agg(['mean', 'std']).to_dict('index')

{'ALASKA': {'mean': 342.0, 'std': nan},
 'CALIFORNIA': {'mean': 234.0, 'std': nan},
 'TEXAS': {'mean': 756.0, 'std': nan}}

选项2

我可以用
description

df.groupby('state')['numeric data'].describe().unstack().to_dict('index')

{'ALASKA': {'25%': 342.0,
  '50%': 342.0,
  '75%': 342.0,
  'count': 1.0,
  'max': 342.0,
  'mean': 342.0,
  'min': 342.0,
  'std': nan},
 'CALIFORNIA': {'25%': 234.0,
  '50%': 234.0,
  '75%': 234.0,
  'count': 1.0,
  'max': 234.0,
  'mean': 234.0,
  'min': 234.0,
  'std': nan},
 'TEXAS': {'25%': 756.0,
  '50%': 756.0,
  '75%': 756.0,
  'count': 1.0,
  'max': 756.0,
  'mean': 756.0,
  'min': 756.0,
  'std': nan}}


将其设置为仅
平均值
和
标准值

选项1

df.groupby('state')['numeric data'].agg(['mean', 'std']).to_dict('index')

{'ALASKA': {'mean': 342.0, 'std': nan},
 'CALIFORNIA': {'mean': 234.0, 'std': nan},
 'TEXAS': {'mean': 756.0, 'std': nan}}

选项2

这是一个比我想要的更好的答案！非常感谢你！时间一到，我就接受这个答案。如果
numericdata
实际上是
numericdata
，那该怎么办？这是一个比我想要的更好的答案！非常感谢你！时间一到，我就接受这个答案。如果
numericdata
实际上是
numericdata
？