Question

我正在尝试选择df中的行，在每行中，列值的设置大小为＆gt; 1;

df = pd.DataFrame({'col': [1, 2, 3],
               'a': [41, 4, 5],
               'b': [3, 13, 6]})

df['concat'] = (df['a'].astype(str) + df['b'].astype(str))

df.groupby('concat')['col'].apply(set).to_dict()

但这只适用于set到每个列（＆＃39; col＆＃39;）值。

python阻止我

df.groupby('concat')['col'].apply(lambda x: set(x) if len(set(x)) > 1).to_dict()

Answer 1

可以使用str.len，因为set是可迭代的：

s = df.groupby('concat')['col'].apply(set)

d = s[s.str.len() > 1].to_dict()
print (d)
{'413': {1, 2}}

Answer 2

替代方案（不需要apply）使用groupby.unique -

v = df.groupby('concat').col.unique()
v[v.str.len() > 1]

concat
413    [1, 2]
Name: col, dtype: object

您可以在此结果上致电to_dict -

v[v.str.len() > 1].to_dict()
{'413': array([1, 2])}

或者，如果您的最终目标是互联网数据交换，那么直接序列化为JSON -

v[v.str.len() > 1].to_json()
'{"413":[1,2]}'

请注意，数组和集合被隐式序列化为JSON列表对象。

Answer 3

您可以使用pd.Series.map：

res = df.groupby('concat')['col'].apply(set)
res_dict = res[res.map(len)>1].to_dict()

pandas在列值上应用lambda并选择其设置大小为＆gt;的值。 1

3 个答案: