我创建了这个示例数据
pd.DataFrame.from_items([(0,['a1', 'a1', 'a2', 'a2']), (1,['b1', 'b1', 'b2', 'b2']), (2,['m', 'n', 'o', 'p'])])
0 1 2
0 a1 b1 m
1 a1 b1 n
2 a2 b2 o
3 a2 b2 p
我想减少'该数据框具有列' 0'中唯一值的索引。然后作为一列返回列' 2'中的值数组。 e.g。
'2'
Index
a1 [m,n]
a2 [o,p]
我需要将它作为数据帧,因为我想将结果数据帧连接到另一个数据帧。他们两个都是公平的。大(18十亿行)。 我尝试使用堆栈,但我无法弄清楚如何做到这一点。我尝试使用数据透视表,但随后是col' 2'在标题中,而不是用作值。任何帮助将不胜感激!
答案 0 :(得分:1)
您可以使用groupby
和apply
,最后转换为Series
to_frame
:
print (df.groupby(0)[2].apply(list))
0
a1 [m, n]
a2 [o, p]
Name: 2, dtype: object
print (df.groupby(0)[2].apply(list).to_frame())
2
0
a1 [m, n]
a2 [o, p]
另一种解决方案:
print (df.groupby(0)[2].apply(lambda x: x.tolist()).to_frame())
2
0
a1 [m, n]
a2 [o, p]
如果需要输出unique
值:
df = pd.DataFrame.from_items([(0,['a1', 'a1', 'a1', 'a2']),
(1,['b1', 'b1', 'b2', 'b2']),
(2,['m', 'n', 'm', 'p'])])
print (df)
0 1 2
0 a1 b1 m
1 a1 b1 n
2 a1 b2 m
3 a2 b2 p
print (df.groupby(0)[2].apply(list).to_frame())
2
0
a1 [m, n, m]
a2 [p]
print (df.groupby(0)[2].unique().to_frame())
2
0
a1 [m, n]
a2 [p]