Question

我的df如下：

Product Step
1   1
1   3
1   6
1   6
1   8
1   1
1   4
2   2
2   4
2   8
2   8
2   3
2   1
3   1
3   3
3   6
3   6
3   8
3   1
3   4

我想做的是：

对于每个Product，每个Step都必须被抓取，并且顺序不得更改，也就是说，如果我们看一下产品1，则在第8步之后有1，而那个1必须仅在8点之后。因此，产品1和产品3的预期输出应为以下顺序：1、3、6、8、1、4；对于产品2，它必须为：2、4、8、3、1。

更新：在这里，我只想要乘积1和乘积3的值为6，因为在主df中，乘积6彼此相邻，但是必须同时存在乘积1的两个值，因为它们彼此不相邻。

完成第一步后，必须将具有相同步骤的产品分组到一个新的df中（在下面的示例中：产品1和3具有相同的步骤，因此必须将它们分组在一起）

我所做的事情：

import pandas as pd
sid = pd.DataFrame(data.groupby('Product').apply(lambda x: x['Step'].unique())).reset_index()

但是它产生的结果是：

    Product 0
0   1   [1 3 6 8 4]
1   2   [2 4 8 3 1]
2   3   [1 3 6 8 4]

这不是我想要的结果。我希望第一个和第三个乘积的值是[1 3 6 8 1 4]。

Answer 1

groupby保留了组中行的顺序，因此不必担心行移位。

对apply(tuple)来说，一个简单但不那么有效的解决方案是，因为它们是可哈希的，因此您可以对它们进行分组以查看哪些产品相同。 form_seq将使其成为连续的值，以便在形成元组之前在步骤列表中仅出现一次。

def form_seq(x):
    x = x[x != x.shift()]
    return tuple(x)

s = df.groupby('Product').Step.apply(form_seq)
s.groupby(s).groups

#{(1, 3, 6, 8, 1, 4): Int64Index([1, 3], dtype='int64', name='Product'),
# (2, 4, 8, 3, 1): Int64Index([2], dtype='int64', name='Product')}

或者如果您想要一个DataFrame：

s.reset_index().groupby('Step').Product.apply(list)
#Step
#(1, 3, 6, 8, 1, 4)    [1, 3]
#(2, 4, 8, 3, 1)          [2]
#Name: Product, dtype: object

该词典的值是共享步骤序列的产品分组（由词典键给定）。产品1和3通过步骤序列1, 3, 6, 8, 1, 4分组在一起。

Answer 2

IIUC使用cumsum和diff

创建新密钥

df['Newkey']=df.groupby('Product').Step.apply(lambda x : x.diff().ne(0).cumsum())
df.drop_duplicates(['Product','Newkey'],inplace=True)
s=df.groupby('Product').Step.apply(tuple)
s.reset_index().groupby('Step').Product.apply(list)
Step
(1, 3, 6, 8, 1, 4)    [1, 3]
(2, 4, 8, 3, 1)          [2]
Name: Product, dtype: object

Answer 3

另一种非常相似的方式：

df_no_dups=df[df.shift()!=df].dropna(how='all').ffill()
df_no_dups_grouped=df_no_dups.groupby('Product')['Step'].apply(list)

应用groupby后如何创建单独的df？

3 个答案: