Làm cách nào để nhóm các hàng dataframe vào danh sách trong nhóm gấu trúc?

Tôi có một khung dữ liệu gấu trúc dfnhư:

a b
A 1
A 2
B 5
B 5
B 4
C 6

Tôi muốn nhóm theo cột đầu tiên và lấy cột thứ hai dưới dạng danh sách trong các hàng :

A [1,2]
B [5,5,4]
C [6]

Có thể làm một cái gì đó như thế này bằng cách sử dụng gấu trúc nhóm?

Bạn có thể thực hiện việc này bằng cách sử dụng groupbynhóm trên cột quan tâm và sau đó apply listđến từng nhóm:

In [1]: df = pd.DataFrame( {'a':['A','A','B','B','B','C'], 'b':[1,2,5,5,4,6]})
        df

Out[1]: 
   a  b
0  A  1
1  A  2
2  B  5
3  B  5
4  B  4
5  C  6

In [2]: df.groupby('a')['b'].apply(list)
Out[2]: 
a
A       [1, 2]
B    [5, 5, 4]
C          [6]
Name: b, dtype: object

In [3]: df1 = df.groupby('a')['b'].apply(list).reset_index(name='new')
        df1
Out[3]: 
   a        new
0  A     [1, 2]
1  B  [5, 5, 4]
2  C        [6]

Nếu hiệu suất là quan trọng, hãy chuyển xuống mức numpy:

import numpy as np

df = pd.DataFrame({'a': np.random.randint(0, 60, 600), 'b': [1, 2, 5, 5, 4, 6]*100})

def f(df):
         keys, values = df.sort_values('a').values.T
         ukeys, index = np.unique(keys, True)
         arrays = np.split(values, index[1:])
         df2 = pd.DataFrame({'a':ukeys, 'b':[list(a) for a in arrays]})
         return df2

Các xét nghiệm:

In [301]: %timeit f(df)
1000 loops, best of 3: 1.64 ms per loop

In [302]: %timeit df.groupby('a')['b'].apply(list)
100 loops, best of 3: 5.26 ms per loop

Một cách thuận tiện để đạt được điều này sẽ là:

df.groupby('a').agg({'b':lambda x: list(x)})

Xem xét cách viết Tập hợp tùy chỉnh: https://www.kaggle.com/akshaysehgal/how-to-group-by-aggregate-USE-py

Như bạn đã nói groupbyphương pháp của một pd.DataFrameđối tượng có thể thực hiện công việc.

Thí dụ

 L = ['A','A','B','B','B','C']
 N = [1,2,5,5,4,6]

 import pandas as pd
 df = pd.DataFrame(zip(L,N),columns = list('LN'))


 groups = df.groupby(df.L)

 groups.groups
      {'A': [0, 1], 'B': [2, 3, 4], 'C': [5]}

trong đó đưa ra và mô tả chỉ số khôn ngoan của các nhóm.

Để lấy các phần tử của các nhóm đơn lẻ, bạn có thể làm, ví dụ

 groups.get_group('A')

     L  N
  0  A  1
  1  A  2

  groups.get_group('B')

     L  N
  2  B  5
  3  B  5
  4  B  4

Để giải quyết vấn đề này cho một số cột của khung dữ liệu:

In [5]: df = pd.DataFrame( {'a':['A','A','B','B','B','C'], 'b':[1,2,5,5,4,6],'c'
   ...: :[3,3,3,4,4,4]})

In [6]: df
Out[6]: 
   a  b  c
0  A  1  3
1  A  2  3
2  B  5  3
3  B  5  4
4  B  4  4
5  C  6  4

In [7]: df.groupby('a').agg(lambda x: list(x))
Out[7]: 
           b          c
a                      
A     [1, 2]     [3, 3]
B  [5, 5, 4]  [3, 4, 4]
C        [6]        [4]

Câu trả lời này được lấy cảm hứng từ câu trả lời của Anamika Modi . Cảm ơn bạn!

Sử dụng bất kỳ sau đây groupbyvà aggcông thức nấu ăn.

# Setup
df = pd.DataFrame({
  'a': ['A', 'A', 'B', 'B', 'B', 'C'],
  'b': [1, 2, 5, 5, 4, 6],
  'c': ['x', 'y', 'z', 'x', 'y', 'z']
})
df

   a  b  c
0  A  1  x
1  A  2  y
2  B  5  z
3  B  5  x
4  B  4  y
5  C  6  z

Để tổng hợp nhiều cột dưới dạng danh sách, hãy sử dụng bất kỳ mục nào sau đây:

df.groupby('a').agg(list)
df.groupby('a').agg(pd.Series.tolist)

           b          c
a                      
A     [1, 2]     [x, y]
B  [5, 5, 4]  [z, x, y]
C        [6]        [z]

Để chỉ liệt kê một nhóm duy nhất, chuyển đổi nhóm thành một SeriesGroupByđối tượng, sau đó gọi SeriesGroupBy.agg. Sử dụng,

df.groupby('a').agg({'b': list})  # 4.42 ms 
df.groupby('a')['b'].agg(list)    # 2.76 ms - faster

a
A       [1, 2]
B    [5, 5, 4]
C          [6]
Name: b, dtype: object

Nếu tìm kiếm một danh sách duy nhất trong khi nhóm nhiều cột, điều này có thể giúp:

df.groupby('a').agg(lambda x: list(set(x))).reset_index()

Hãy để chúng tôi sử dụng df.groupbyvới danh sách và nhà Seriesxây dựng

pd.Series({x : y.b.tolist() for x , y in df.groupby('a')})
Out[664]: 
A       [1, 2]
B    [5, 5, 4]
C          [6]
dtype: object

Đó là thời gian để sử dụng aggthay vì apply.

Khi nào

df = pd.DataFrame( {'a':['A','A','B','B','B','C'], 'b':[1,2,5,5,4,6], 'c': [1,2,5,5,4,6]})

Nếu bạn muốn nhiều cột xếp vào danh sách, kết quả là pd.DataFrame

df.groupby('a')[['b', 'c']].agg(list)
# or 
df.groupby('a').agg(list)

Nếu bạn muốn một cột trong danh sách, kết quả là ps.Series

df.groupby('a')['b'].agg(list)
#or
df.groupby('a')['b'].apply(list)

Lưu ý, kết quả pd.DataFramechậm hơn khoảng 10 lần so với kết quả ps.Serieskhi bạn chỉ tổng hợp cột đơn, sử dụng nó trong trường hợp nhiều màu.

Ở đây tôi đã nhóm các phần tử với "|" như một dấu phân cách

    import pandas as pd

    df = pd.read_csv('input.csv')

    df
    Out[1]:
      Area  Keywords
    0  A  1
    1  A  2
    2  B  5
    3  B  5
    4  B  4
    5  C  6

    df.dropna(inplace =  True)
    df['Area']=df['Area'].apply(lambda x:x.lower().strip())
    print df.columns
    df_op = df.groupby('Area').agg({"Keywords":lambda x : "|".join(x)})

    df_op.to_csv('output.csv')
    Out[2]:
    df_op
    Area  Keywords

    A       [1| 2]
    B    [5| 5| 4]
    C          [6]

Cách dễ nhất mà tôi thấy không đạt được hầu hết điều tương tự ít nhất là cho một cột tương tự như câu trả lời của Anamika chỉ với cú pháp tuple cho hàm tổng hợp.

df.groupby('a').agg(b=('b','unique'), c=('c','unique'))