Question

我有一个熊猫数据框，其中有几个唯一的ID和文本。我试图结合按日期排序的文本。

+-----------+---------------------+------+
| unique_id | date                | data |
+-----------+---------------------+------+
| 1         | 2010-05-19 21:30:27 | a    |
+-----------+---------------------+------+
| 1         |                     | b    |
|           | 2010-05-21 01:36:23 |      |
+-----------+---------------------+------+
| 1         |                     | c    |
|           | 2010-05-23 06:46:23 |      |
+-----------+---------------------+------+

理想情况下，我正在尝试将数据中的行组合到按日期排序的列表中。

类似这样的东西：

+-----------+------------------------------------------------------------------+-----------+
| unique_id | date                                                             | data      |
+-----------+------------------------------------------------------------------+-----------+
| 1         | [2010-05-19 21:30:27, 2010-05-21 01:36:23, 2010-05-23 06:46:23]  | [a, b, c] |
+-----------+------------------------------------------------------------------+-----------+

我目前正在按日期对数据框进行排序，然后使用分组依据对元素进行排序，如下所示：

df['date'] = pd.to_datetime(df['date'])
df = df.sort('date')
df = df.groupby(['unique_id']).agg(lambda x: set(tuple(x))).applymap(list).reset_index()

但是，在分组时，不会保留数据的顺序。

Answer 1

在这里：

df_tmp = df.groupby('unique_id', as_index=False).agg(lambda x: sorted(set(x)))

Answer 2

这里是unique中的pandas

df.groupby('unique_id',sort=False).agg(lambda x : x.unique().tolist())

Answer 3

您set中的.agg不保留顺序-如果您需要删除重复项，则可以执行以下操作：

df2 = df.drop_duplicates(['unique_id', 'date']).sort_values('date').groupby('unique_id').agg(list)

将行合并到按日期排序的熊猫列表

3 个答案: