Question

我的初始DataFrame如下所示：

   A    B  quantity
0  1  foo         1
1  1  baz         2
2  1  bar         2
3  1  faz         1
4  2  foo         2
5  2  bar         1
6  3  foo         3

我需要将其分组为“A”并列出“B”乘以“数量”：

   A                               B
0  1  [foo, baz, baz, bar, bar, faz]
1  2                 [foo, foo, bar]
2  3                 [foo, foo, foo]

目前我正在使用groupby（）然后应用（）：

def itemsToList(tdf, column):

    collist = []
    for row in tdf[column].iteritems():
        collist = collist + tdf['quantity'][row[0]]*[row[1]]

    return pd.Series({column: collist})

gb = df.groupby('A').apply(itemsToList, 'B')

我怀疑这是一种有效的方式，所以我正在寻找一种好的“熊猫”方法来实现这一目标。

Answer 1

这可以分两步完成，生成一个新列，用于创建扩展的str值，然后groupby在＆＃39; A＆＃39;和apply Self::Dir::Person到这个新专栏：

list

修改

从@Jianxun Li的回答中获取灵感之后确定

In [62]: df['expand'] = df.apply(lambda x: ','.join([x['B']] * x['quantity']), axis=1) df.groupby('A')['expand'].apply(list) Out[62]: A 1 [foo, baz,baz, bar,bar, faz] 2 [foo,foo, bar] 3 [foo,foo,foo] Name: expand, dtype: object

这也有效：

In [130]: df.groupby('A').apply(lambda x: np.repeat(x['B'].values, x['quantity']).tolist()) Out[130]: A 1 [foo, baz, baz, bar, bar, faz] 2 [foo, foo, bar] 3 [foo, foo, foo] dtype: object

Answer 2

另一种方法。首先使用df然后pivot_table apply重塑np.repeat().tolist()。

import pandas as pd
import numpy as np

df

Out[52]: 
   A    B  quantity
0  1  foo         1
1  1  baz         2
2  1  bar         2
3  1  faz         1
4  2  foo         2
5  2  bar         1
6  3  foo         3

df.pivot('A','B','quantity').fillna(0).apply(lambda row: np.repeat(row.index.values, row.values.astype(int)).tolist(), axis=1)

Out[53]: 
A
1    [bar, bar, baz, baz, faz, foo]
2                   [bar, foo, foo]
3                   [foo, foo, foo]
dtype: object

连接pandas中相同索引的行值

2 个答案: