Pandas DataFrame - 将具有相同索引的一列值组合到列表中

Question

我在这个问题上已经有一段时间了，但无济于事。这几乎是at least one other question on here 的副本，但我无法完全弄清楚如何从在线相关答案中找到我正在寻找的内容。

我有一个 Pandas DataFrame（我们称之为df），它看起来像：

Name    Value        Value2
'A'     '8.8.8.8'    'x'
'B'     '6.6.6.6'    'y'
'A'     '6.6.6.6'    'x'
'A'     '8.8.8.8'    'x'

其中Name 是索引。我想把它转换成类似这样的东西：

Name    Value                     Value2
'A'     ['8.8.8.8', '6.6.6.6']    'x'
'B'     ['6.6.6.6']               'y'

因此，基本上，对应于同一索引的每个Value 都应该组合成一个列表（或集合或元组），并且该列表成为对应索引的Value。而且，如图所示，Value2 在类似索引的行之间是相同的，所以它最终应该保持相同。

我所做的（成功地）就是弄清楚如何将Value 列中的每个元素放入一个列表中：

df['Value'] = pd.Series([[val] for val in df['Value']])

在我在本文开头链接的问题中，将列与重复索引组合的推荐方法提供了使用 df.groupby(df.index).sum() 的解决方案。我知道除了df.index 之外，我还需要一些东西作为groupby 的参数，因为Value 列被视为特殊列，我不确定用什么代替sum()，因为这不是我想要的正在寻找。

希望很清楚我在寻找什么，如果有什么我可以详细说明的，请告诉我。我也尝试过自己简单地循环遍历 DataFrame，查找具有相同索引的行，将 Values 组合到一个列表中并相应地更新 df。在尝试让这种方法工作一段时间后，我想我会寻找一种更像 Pandas 的方式来处理这个问题。

---

编辑：作为 dermen 回答的后续行动，这种解决方案很有效。 Values 似乎确实正确地连接到一个列表中。我意识到的一件事是unique 函数返回Series，而不是DataFrame。此外，我在实际设置中确实有更多的列，而不仅仅是Name、Value 和Value2。但我认为我能够通过以下方式成功解决这两个问题：

gb = df.groupby(tuple(df.columns.difference(['Value'])))
result = pd.DataFrame(gb['Value'].unique(), columns=df.columns)

第一行给列列表中的groupby 减去Value 列的参数，第二行将unique 返回的Series 转换为具有相同列的DataFrame df.

但我认为所有这些都已到位（除非有人认为这有问题），几乎一切都按预期工作。不过，这里似乎确实有些不对劲。当我尝试将其输出到带有to_csv 的文件时，顶部有重复的标题（但只有某些标题是重复的，据我所知，没有真正的模式）。此外，Value 列表被截断，这可能是一个更容易解决的问题。 csv 输出电流如下：

Name    Value                   Value2    Name    Value2
'A'     ['8.8.8.8' '7.7.7.7'    'x'                     
'B'     ['6.6.6.6']             'y'

上面看起来很奇怪，但这正是它在输出中的样子。请注意，与本文开头提供的示例相反，假设A 有超过 2 个Values（以便我可以说明这一点）。当我使用实际数据执行此操作时，Value 列表在前 4 个元素之后被截断。

Answer 1

我认为您希望使用pandas.Series.unique。首先，将'Name' 索引设为一列

df
#     Value2  Value
#Name              
#A         x    8.8
#B         y    6.6
#A         x    6.6
#A         x    8.8

df.reset_index(inplace=True)
#  Name Value2  Value
#0    A      x    8.8
#1    B      y    6.6
#2    A      x    6.6
#3    A      x    8.8

接下来调用groupby 并在'Value' 系列上调用unique 函数

gb = df.groupby(['Name','Value2'])
result = gb['Value'].unique()
result.reset_index(inplace=True) #lastly, reset the index
#  Name Value2       Value
#0    A      x  [8.8, 6.6]
#1    B      y       [6.6]

最后，如果你想再次将'Name' 作为索引，就这样做

result.set_index( 'Name', inplace=True)
#     Value2       Value
#Name                   
#A         x  [8.8, 6.6]
#B         y       [6.6]

更新

作为后续，请确保在重置索引后重新分配结果

result = gb['Value'].unique()
type(result)
#pandas.core.series.Series

result = result.reset_index()
type(result)
#pandas.core.frame.DataFrame

另存为 CSV（而非 TSV）

您不想在此处使用 CSV，因为Value 列条目中有逗号。而是，另存为 TSV，你还是用同样的方法to_csv，只是把sep arg 改一下：

result.to_csv( 'result.txt', sep='\t')

如果我在 EXCEL 中将 result.txt 作为 TSV 加载，我会得到