Question

所以，我正在学习大熊猫，我有这个问题。

假设我有一个这样的数据帧：

Object.entries(obj).slice(-1)
//[ ['prop4', {'prop': 'buzz'}] ]

我正在努力创造这个：

A B C
1 x NaN
2 y NaN
3 x NaN
4 x NaN
5 y NaN

基于B的相似之处。

我这样做了：

A B C
1 x [1,3,4]
2 y [2,5]
3 x [1,3,4]
4 x [1,3,4]
5 y [2,5]

我得到了这个。就像C列基于A列一样。

teste = df.groupby(['B'])
for name,group in teste:
    df.loc[df['B'] == name[0],'C'] = group['A'].tolist()

任何人都可以向我解释为什么会发生这种情况，以及按照我想要的方式解决这个问题吗？谢谢:)）

Answer 1

您可以先根据 B 列进行聚合，然后再与B上的原始df联接：

df
#   A   B
#0  1   x
#1  2   y
#2  3   x
#3  4   x
#4  5   y

df.groupby('B').A.apply(list).rename('C').reset_index().merge(df)

#   B           C   A
#0  x   [1, 3, 4]   1
#1  x   [1, 3, 4]   3
#2  x   [1, 3, 4]   4
#3  y      [2, 5]   2
#4  y      [2, 5]   5

Answer 2

您可以使用transform创建列表。

In [324]: df['C'] = df.groupby('B')['A'].transform(lambda x: [x.values])

In [325]: df
Out[325]:
   A  B          C
0  1  x  [1, 3, 4]
1  2  y     [2, 5]
2  3  x  [1, 3, 4]
3  4  x  [1, 3, 4]
4  5  y     [2, 5]

Answer 3

总结创意！
制作A单值列表。然后使用sum进行转换。

df.assign(
    C=pd.Series(
        df.A.values[:, None].tolist(), df.index
    ).groupby(df.B).transform('sum')
)

   A  B          C
0  1  x  [1, 3, 4]
1  2  y     [2, 5]
2  3  x  [1, 3, 4]
3  4  x  [1, 3, 4]
4  5  y     [2, 5]

Answer 4

test = df.groupby('B')['A'].apply(list)

Pandas用数组更新列

4 个答案: