68

我已经成功使用 groupby 函数按组对给定变量求和或平均，但是有没有办法聚合成一个值列表，而不是得到一个结果？（这还会被称为聚合吗？）

我不完全确定这是我应该采取的方法，所以下面是我想用玩具数据进行的转换的一个例子。

也就是说，如果数据看起来像这样：

    A    B    C  
    1    10   22
    1    12   20
    1    11   8
    1    10   10
    2    11   13
    2    12   10 
    3    14   0

我想要结束的是如下所示。我不完全确定这是否可以通过 groupby 聚合到列表中来完成，并且不知道从这里去哪里。

假设输出：

     A    B    C  New1  New2  New3  New4  New5  New6
    1    10   22  12    20    11    8     10    10
    2    11   13  12    10 
    3    14   0

也许我应该追求支点？将数据放入列的顺序无关紧要 - 本示例中的所有列 B 到 New6 都是等效的。非常感谢所有建议/更正。

4

7 回答 7

102

我使用了以下

grouped = df.groupby('A')

df = grouped.aggregate(lambda x: tuple(x))

df['grouped'] = df['B'] + df['C']
于 2015-04-07T20:06:14.627 回答
45

我正在回答标题和第一句话中所述的问题：以下将值汇总到列表中。

import pandas as pd

df = pd.DataFrame( {'A' : [1, 1, 1, 1, 2, 2, 3], 'B' : [10, 12, 11, 10, 11, 12, 14], 'C' : [22, 20,     8, 10, 13, 10, 0]})
print df

df2 = df.groupby('A').aggregate(lambda tdf: tdf.unique().tolist())
print df2
# Old version:
# df2=df.groupby(['A']).apply(lambda tdf: pd.Series(  dict([[vv,tdf[vv].unique().tolist()] for vv in tdf if vv not in ['A']])  ))

输出如下：

In [3]: run tmp
   A   B   C
0  1  10  22
1  1  12  20
2  1  11   8
3  1  10  10
4  2  11  13
5  2  12  10
6  3  14   0

[7 rows x 3 columns]
              B                C
A                               
1  [10, 12, 11]  [22, 20, 8, 10]
2      [11, 12]         [13, 10]
3          [14]              [0]

[3 rows x 2 columns]
于 2014-06-09T01:05:46.450 回答
26

这是一个班轮

# if list of unique items is desired, use set
df.groupby('A',as_index=False)['B'].aggregate(lambda x: set(x))

# if duplicate items are okay, use list
df.groupby('A',as_index=False)['B'].aggregate(lambda x: list(x))
于 2017-02-13T22:44:15.067 回答
14

类似的解决方案，但相当透明（我认为）。您可以获得完整列表或唯一列表。

df = pd.DataFrame({'A':[1,1,2,2,2,3,3,3,4,5], 
                   'B':[6,7, 8,8,9, 9,9,10,11,12], 
                   'C':['foo']*10})

df
Out[24]: 
   A   B    C
0  1   6  foo
1  1   7  foo
2  2   8  foo
3  2   8  foo
4  2   9  foo
5  3   9  foo
6  3   9  foo
7  3  10  foo
8  4  11  foo
9  5  12  foo

list_agg = df.groupby(by='A').agg({'B':lambda x: list(x), 
                                   'C':lambda x: tuple(x)})

list_agg
Out[26]: 
                 C           B
A                             
1       (foo, foo)      [6, 7]
2  (foo, foo, foo)   [8, 8, 9]
3  (foo, foo, foo)  [9, 9, 10]
4           (foo,)        [11]
5           (foo,)        [12]

unique_list_agg = df.groupby(by='A').agg({'B':lambda x: list(pd.unique(x)), 
                                          'C':lambda x: tuple(pd.unique(x))})

unique_list_agg
Out[28]: 
        C        B
A                 
1  (foo,)   [6, 7]
2  (foo,)   [8, 9]
3  (foo,)  [9, 10]
4  (foo,)     [11]
5  (foo,)     [12]
于 2018-01-30T14:41:05.727 回答
5

我的解决方案比您预期的要长一些，我敢肯定它可以缩短，但是：

g = df.groupby("A").apply(lambda x: pd.concat((x["B"], x["C"])))
k = g.reset_index()
k["i"] = k1.index
k["rn"] = k1.groupby("A")["i"].rank()
k.pivot_table(rows="A", cols="rn", values=0)

# output
# rn   1   2   3   4   5   6
# A                         
# 1   10  12  11  22  20   8
# 2   10  11  10  13 NaN NaN
# 3   14  10 NaN NaN NaN NaN

一点解释。第一行，g = df.groupby("A").apply(lambda x: pd.concat((x["B"], x["C"])))。这一组df按A然后将列B放入C一列：

A   
1  0    10
   1    12
   2    11
   0    22
   1    20
   2     8
2  3    10
   4    11
   3    10
   4    13
3  5    14
   5    10

然后k = g.reset_index()，创建顺序索引，结果是：

    A  level_1   0
0   1        0  10
1   1        1  12
2   1        2  11
3   1        0  22
4   1        1  20
5   1        2   8
6   2        3  10
7   2        4  11
8   2        3  10
9   2        4  13
10  3        5  14
11  3        5  10

现在我想将此索引移动到列中（我想听听如何在不重置索引的情况下创建顺序列）k["i"] = k1.index，：

    A  level_1   0   i
0   1        0  10   0
1   1        1  12   1
2   1        2  11   2
3   1        0  22   3
4   1        1  20   4
5   1        2   8   5
6   2        3  10   6
7   2        4  11   7
8   2        3  10   8
9   2        4  13   9
10  3        5  14  10
11  3        5  10  11

现在，k["rn"] = k1.groupby("A")["i"].rank()将在每个内部添加 row_number A（如row_number() over(partition by A order by i)在 SQL 中：

    A  level_1   0   i  rn
0   1        0  10   0   1
1   1        1  12   1   2
2   1        2  11   2   3
3   1        0  22   3   4
4   1        1  20   4   5
5   1        2   8   5   6
6   2        3  10   6   1
7   2        4  11   7   2
8   2        3  10   8   3
9   2        4  13   9   4
10  3        5  14  10   1
11  3        5  10  11   2

最后，只需旋转k.pivot_table(rows="A", cols="rn", values=0)：

rn   1   2   3   4   5   6
A                         
1   10  12  11  22  20   8
2   10  11  10  13 NaN NaN
3   14  10 NaN NaN NaN NaN
于 2013-10-23T08:48:54.630 回答
1

我一直在努力解决完全相同的问题，答案是可以使用 grouby 来获取列表。我不是 100% 确定我是以最 Pythonic 的方式来做这件事的，但在这里我试图解决你的问题是值得的。您可以创建包含在按组中的数据列表，如下所示：

import pandas as pd
import numpy as np
from itertools import chain

Data = {'A' : [1, 1, 1, 1, 2, 2, 3], 'B' : [10, 12, 11, 10, 11, 12, 14], 'C' : [22, 20,     8, 10, 13, 10, 0]}
DF = pd.DataFrame(Data)
DFGrouped = DF.groupby('A')

OutputLists = []

for group in DFGrouped:
    AList = list(group[1].A)
    BList = list(group[1].B)
    CList = list(group[1].C)
    print list(group[1].A)
    print list(group[1].B)
    print list(group[1].C)
    ZIP =  zip(BList, CList)
    print ZIP
    OutputLists.append(list(chain(*ZIP)))

OutputLists

这会以我认为您想要的方式将您的数据输出到列表列表中。然后，您可以将其设为数据框。上述印刷声明仅用于清楚说明。使用我的方法执行此操作的最有效（就代码而言）方法如下：

import pandas as pd
import numpy as np
from itertools import chain

Data = {'A' : [1, 1, 1, 1, 2, 2, 3], 'B' : [10, 12, 11, 10, 11, 12, 14], 'C' : [22, 20, 8, 10, 13, 10, 0]}
DF = pd.DataFrame(Data)
DFGrouped = DF.groupby('A')
OutputLists = []
for group in DFGrouped:
    ZIPPED = zip(group[1].B, group[1].C)
    OutputLists.append(list(chain(*ZIPPED)))
OutputLists

据我所知，从分组数据中获取列表的关键是认识到数据本身存储在分组数据中每个组的 group[1] 中。

希望这可以帮助！

于 2013-10-23T11:25:59.117 回答
1 
df2 = df.groupby('A').aggregate(lambda tdf: tdf.unique().tolist())

这似乎很完美，但是生成的数据框有两层列，而 df.columns 仅显示数据框中的一列。要更正此问题，请使用：

df2_copy=df2.copy()
df2_copy = df2_copy.reset_index(col_level=0)

您可以使用以下命令查看列级别：df2_copy.columns=df2_copy.columns.get_level_values(0)

df2_copy()应该解决这个问题。

于 2019-06-21T07:59:23.577 回答