我有一个熊猫数据框,df
例如:
a b
A 1
A 2
B 5
B 5
B 4
C 6
我想按第一列分组并获得第二列作为行中的列表:
A [1,2]
B [5,5,4]
C [6]
可以使用pandas groupby来做类似的事情吗?
我有一个熊猫数据框,df
例如:
a b
A 1
A 2
B 5
B 5
B 4
C 6
我想按第一列分组并获得第二列作为行中的列表:
A [1,2]
B [5,5,4]
C [6]
可以使用pandas groupby来做类似的事情吗?
Answers:
您可以使用以下方法groupby
来对感兴趣的列进行分组,然后apply
list
对每个分组进行分组:
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]
tuple
在这里使用了第二个答案:stackoverflow.com/questions/19530568/…。请参阅stackoverflow.com/questions/27439023/…中的第二个答案以 获取解释。
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
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
.groupby([df.index.month, df.index.day])
而不是just,.groupby('a')
怎么用呢?
实现此目的的便捷方法是:
df.groupby('a').agg({'b':lambda x: list(x)})
研究编写自定义聚合:https://www.kaggle.com/akshaysehgal/how-to-group-by-aggregate-using-py
lambda args: f(args)
等效于f
df.groupby('a').apply(list)
使用,或者与agg一起用作dict的一部分df.groupby('a').agg({'b':list})
。您还可以将其与lambda(我推荐)一起使用,因为您可以使用它做更多的事情。示例:df.groupby('a').agg({'c':'first', 'b': lambda x: x.unique().tolist()})
您可以将一系列函数应用于col c,将唯一函数然后将list函数应用于col b。
正如您所说的groupby
,pd.DataFrame
对象的方法可以完成这项工作。
例
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]}
给出了各个组的索引说明。
例如,要获取单个组的元素,您可以做
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
要解决数据框的几列问题:
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]
该答案的灵感来自Anamika Modi的答案。谢谢!
使用以下任何一种groupby
和agg
配方。
# 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
要将多个列聚合为列表,请使用以下任一方法:
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]
要仅对单个列进行组列出,请将groupby转换为SeriesGroupBy
对象,然后调用SeriesGroupBy.agg
。用,
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
groupby(..., sort=False)
。在这里,这没有什么区别,因为我对已经排序的列A进行了分组。
df.groupby('a')['b'].agg(lambda x: list(set(x)))
是时候使用agg
而不是了apply
。
什么时候
df = pd.DataFrame( {'a':['A','A','B','B','B','C'], 'b':[1,2,5,5,4,6], 'c': [1,2,5,5,4,6]})
如果要将多个列堆叠到list中,将导致 pd.DataFrame
df.groupby('a')[['b', 'c']].agg(list)
# or
df.groupby('a').agg(list)
如果您想要列表中的单列,则结果为 ps.Series
df.groupby('a')['b'].agg(list)
#or
df.groupby('a')['b'].apply(list)
请注意,结果仅比汇总单个列(在多列情况下使用)pd.DataFrame
要慢10倍ps.Series
。
在这里,我将元素与“ |”分组 作为分隔符
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]
我没有看到的最简单方法是至少对于一列都无法实现大多数相同的事情,这与Anamika的答案类似,只是聚合函数的元组语法。
df.groupby('a').agg(b=('b','unique'), c=('c','unique'))