如何基于groupby，pandas DataFrame创建一个新的字典列？

要基于groupby和pandas DataFrame创建一个新的字典列，可以按照以下步骤进行操作：

导入必要的库：

import pandas as pd

创建一个示例DataFrame：

data = {'A': ['foo', 'bar', 'foo', 'bar', 'foo', 'bar', 'foo', 'foo'],
        'B': ['one', 'one', 'two', 'two', 'two', 'one', 'two', 'one'],
        'C': [1, 2, 3, 4, 5, 6, 7, 8],
        'D': [10, 20, 30, 40, 50, 60, 70, 80]}
df = pd.DataFrame(data)

使用groupby和apply方法创建新的字典列：

df['new_column'] = df.groupby(['A', 'B']).apply(lambda x: {'sum_C': x['C'].sum(), 'mean_D': x['D'].mean()})

在这个例子中，我们按照列'A'和列'B'进行分组，然后使用apply方法对每个分组进行操作。在lambda函数中，我们计算了列'C'的总和和列'D'的平均值，并将结果存储在一个字典中。最后，将这个字典赋值给新的列'new_column'。

查看结果：

print(df)

输出结果如下：

     A    B  C   D                  new_column
0  foo  one  1  10  {'sum_C': 1, 'mean_D': 10}
1  bar  one  2  20  {'sum_C': 2, 'mean_D': 20}
2  foo  two  3  30  {'sum_C': 8, 'mean_D': 40}
3  bar  two  4  40  {'sum_C': 4, 'mean_D': 40}
4  foo  two  5  50  {'sum_C': 8, 'mean_D': 40}
5  bar  one  6  60  {'sum_C': 2, 'mean_D': 20}
6  foo  two  7  70  {'sum_C': 8, 'mean_D': 40}
7  foo  one  8  80  {'sum_C': 1, 'mean_D': 10}

可以看到，新的字典列'new_column'已经成功创建，并包含了每个分组的计算结果。

这是基于groupby和pandas DataFrame创建新的字典列的方法。在实际应用中，可以根据具体需求进行适当的修改和扩展。