Question

这是数据：

df = pd.DataFrame({
    'date':[1,1,2,2,2,3,3,3,4,5],
    'request':[2,2,2,3,3,2,3,3,3,3],
    'users':[1,3,7,1,7,3,4,9,7,9],
    'count':[1,1,2,3,1,3,1,2,1,1]
})

df

   count  date  request  users
0      1     1        2      1
1      1     1        2      3
2      2     2        2      7
3      3     2        3      1
4      1     2        3      7
5      3     3        2      3
6      1     3        3      4
7      2     3        3      9
8      1     4        3      7
9      1     5        3      9

我们的想法是按count和date分组，并将每隔一列转换为分组值列表。我认为这就像调用dfgp.agg一样简单但事实并非如此。

这就是我想要做的事情：

   date  request   count   users
0     1        2  [1, 1]  [1, 3]
1     2        2     [2]     [7]
2     2        3  [3, 1]  [1, 7]
3     3        2     [3]     [3]
4     3        3  [1, 2]  [4, 9]
5     4        3     [1]     [7]
6     5        3     [1]     [9]

我就是这样做的：

grouped_df = df.groupby(['date', 'request'])

df_new = pd.DataFrame({ 'count' : grouped_df['count'].apply(list), 'users' : grouped_df['users'].apply(list) }).reset_index()

它有效但我相信必须有更好的方法......可以在分组对象中的所有列上工作。例如，我应该只按date分组，解决方案应该有效。我的解决方案将依赖于对我不喜欢的列进行硬编码，因此在这种情况下它会失败。

这是困扰我的事情。它应该是一个明显的解决方案，但我找不到它。还有更好的方法吗？

_{调用我所有的Pandas MVP ......}

Answer 1

df.groupby(['request','date'])[['count','users']].agg(lambda x: ','.join(x.astype(str)))

输出：

             count users
request date            
2       1      1,1   1,3
        2        2     7
        3        3     3
3       2      3,1   1,7
        3      1,2   4,9
        4        1     7
        5        1     9

Answer 2

更好的答案
查找重复发生的位置，拆分并相应地过滤

dups = df.duplicated(['request', 'date'], 'last').values
i = np.where(~dups[:-1])[0] + 1
r, d, c, u = (df[c].values for c in df)

d1 = pd.DataFrame(
    np.column_stack([r[~dups], d[~dups]]), columns=['request', 'date'])
d2 = pd.DataFrame(
    np.column_stack([np.split(c, i), np.split(u, i)]), columns=['count', 'users'])

d1.join(d2)

   date  requeset   count   users
0     1         2  [1, 1]  [1, 3]
1     2         2     [2]     [7]
2     2         3  [3, 1]  [1, 7]
3     3         2     [3]     [3]
4     3         3  [1, 2]  [4, 9]
5     4         3     [1]     [7]
6     5         3     [1]     [9]

回答我感觉很好！
好极了！ defaultdict

from collections import defaultdict

d = defaultdict(list)

s = df.set_index(['date', 'request']).stack()
[d[k].append(v) for k, v in s.iteritems()];

pd.Series(d).unstack().rename_axis(['date', 'requeset']).reset_index()

   date  requeset   count   users
0     1         2  [1, 1]  [1, 3]
1     2         2     [2]     [7]
2     2         3  [3, 1]  [1, 7]
3     3         2     [3]     [3]
4     3         3  [1, 2]  [4, 9]
5     4         3     [1]     [7]
6     5         3     [1]     [9]

旧答案

f = lambda x: pd.Series(x.values.T.tolist(), x.columns)
df.groupby(['request', 'date'])[['count', 'users']].apply(f).reset_index()

   request  date   count   users
0        2     1  [1, 1]  [1, 3]
1        2     2     [2]     [7]
2        2     3     [3]     [3]
3        3     2  [3, 1]  [1, 7]
4        3     3  [1, 2]  [4, 9]
5        3     4     [1]     [7]
6        3     5     [1]     [9]

挫折答案！
Shoehorning agg

from ast import liter_eval

df.groupby(['request', 'date']).agg(
    lambda x: str(list(x))
).applymap(literal_eval).reset_index()

   request  date   count   users
0        2     1  [1, 1]  [1, 3]
1        2     2     [2]     [7]
2        2     3     [3]     [3]
3        3     2  [3, 1]  [1, 7]
4        3     3  [1, 2]  [4, 9]
5        3     4     [1]     [7]
6        3     5     [1]     [9]

Answer 3

使用apply的Hacky方式，可能会非常慢。

In [1274]: df.groupby(['date', 'request']).apply(
          lambda x: pd.Series({c: x[c].tolist() for c in ['count', 'users']}))
Out[1274]:
               count   users
date request
1    2        [1, 1]  [1, 3]
2    2           [2]     [7]
     3        [3, 1]  [1, 7]
3    2           [3]     [3]
     3        [1, 2]  [4, 9]
4    3           [1]     [7]
5    3           [1]     [9]

将DataFrameGroupBy对象中的每个分组列转换为列表

3 个答案: