Question

我的数据框有一个字符串列，可以包含长字符串。我想获得一个唯一字符串列表，以及每个包含行索引的唯一字符串的列表。

我可以想到两种方法。

首先使用.unique()获取唯一列表，然后迭代数据框以构建每个唯一值显示的索引列表
使用.groupBy()创建组并获取每组中的行索引列表

但我不太确定哪一个更有效（或者是否有其他方法可以更有效地完成此操作）。我考虑效率的原因是我想要统一的字段和groupBy是一个字符串字段，可能有很长的字符串！

谢谢！

Answer 1

演示：

In [16]: df
Out[16]:
    col
0  aaaa
1  bbbb
2  aaaa
3  aaaa
4  bbbb
5  cccc

In [17]: df.groupby('col').groups
Out[17]:
{'aaaa': Int64Index([0, 2, 3], dtype='int64'),
 'bbbb': Int64Index([1, 4], dtype='int64'),
 'cccc': Int64Index([5], dtype='int64')}

或作为DataFrame：

In [31]: pd.DataFrame([[k,v.values]
                        for k,v in df.groupby('col').groups.items()], 
                      columns=['col','indices'])
Out[31]:
    col    indices
0  aaaa  [0, 2, 3]
1  bbbb     [1, 4]
2  cccc        [5]

Answer 2

假设您的DataFrame为df且字符串列为string，您可以使用此功能：

df.drop_duplicates('string')['string'].apply( \
lambda x: df[df['string'] == x].index.tolist())

Pandas - 从列中获取唯一值以及它们出现的行索引列表

2 个答案: