Question

您好我正在使用pandas / python，并且在以下行中有一个数据框：

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

这样做的最佳方式是什么（并将列表中的所有值折叠为唯一值）？

另外，如果我想保留冗余：

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

实现这一目标的最佳方式是什么？

提前感谢您的帮助。

Answer 1

如果真的想要这样做，你可以使用groupby apply：

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DataFrames效率不高。

Pivot table为您提供更实用的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可以让你这样做，但不是那么优雅或有效（但我保留这个原创，如果是疯狂的，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;通过@Andy更直观一些

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

在数据帧中对数据进行分组，以根据Pandas / Python中的唯一ID生成列表

2 个答案: