python - 在数据框中对数据进行分组以生成针对 Pandas/Python 中唯一 ID 的列表

Question

嗨，我正在使用 pandas/python 并有一个数据框，如下所示：

21627   red
21627   green
21627   red
21627   blue
21627   purple
21628   yellow
21628   red
21628   green
21629   red
21629   red

我想减少到：

21627   red, green, blue, purple
21628   yellow, red, green
21629   red

这样做的最佳方法是什么（并将列表中的所有值折叠为唯一值）？

另外，如果我想保持冗余：

21627   red, green, red, blue, purple
21628   yellow, red, green
21629   red, red

实现这一目标的最佳方法是什么？

提前感谢您的帮助。

Answer 1

如果你真的想这样做，你可以使用 groupby 应用：

In [11]: df.groupby('id').apply(lambda x: list(set(x['colours'])))
Out[11]: 
id
21627    [blue, purple, green, red]
21628          [green, red, yellow]
21629                         [red]
dtype: object

In [12]: df.groupby('id').apply(lambda x: list(x['colours']))
Out[12]: 
id
21627    [red, green, red, blue, purple]
21628               [yellow, red, green]
21629                         [red, red]
dtype: object

但是，包含列表的 DataFrame 并不是特别有效。

数据透视表为您提供更有用的 DataFrame：

In [21]: df.pivot_table(rows='id', cols='colours', aggfunc=len, fill_value=0)
Out[21]: 
colours  blue  green  purple  red  yellow
id                                       
21627       1      1       1    2       0
21628       0      1       0    1       1
21629       0      0       0    2       0

我最喜欢的功能get_dummies可以让你做到这一点，但没有那么优雅或高效（但我会保留这个原始的，如果疯狂的话，建议）：

In [22]: pd.get_dummies(df.set_index('id')['colours']).reset_index().groupby('id').sum()
Out[22]: 
       blue  green  purple  red  yellow
id                                     
21627     1      1       1    2       0
21628     0      1       0    1       1
21629     0      0       0    2       0

Answer 2

这是另一种方式；虽然@Andy 更直观一点

In [24]: df.groupby('id').apply(
              lambda x: x['color'].value_counts()).unstack().fillna(0)
Out[24]: 
       blue  green  purple  red  yellow
id                                     
21627     1      1       1    2       0
21628     0      1       0    1       1
21629     0      0       0    2       0