Pandas - 按列分组并将数据转换为 numpy 数组

Question

有如下数据框，A组有4个样本，B有3个样本，C有1个样本：

  group   data_1   data_2
0     A        1        4
1     A        2        5
2     A        3        6
3     A        4        7
4     B        1        4
5     B        2        5
6     B        3        6
7     C        1        4

我想将数据转换为 numpy 数组，其中每一行是一个包含所有样本的组，对于样本较少的组，填充零。

产生这样的数组：

[
   [[1,4],[2,5],[3,6],[4,7]], # this is A group 4 samples
   [[1,4],[2,5],[3,6],[0,0]], # this is B group 3 samples
   [[1,4],[0,0],[0,0],[0,0]], # this is C group 1 sample
]

Answer 1

首先是必要的添加缺失值 - 第一个解决方案unstack和stack，计数器系列由cumcount。

第二个解决方案使用reindex by MultiIndex。

最后使用lambda函数groupby，转换为numpy数组by values和最后列出：

g = df.groupby('group').cumcount()
L = (df.set_index(['group',g])
       .unstack(fill_value=0)
       .stack().groupby(level=0)
       .apply(lambda x: x.values.tolist())
       .tolist())
print (L)

[[[1, 4], [2, 5], [3, 6], [4, 7]], 
 [[1, 4], [2, 5], [3, 6], [0, 0]], 
 [[1, 4], [0, 0], [0, 0], [0, 0]]]

另一种解决方案：

g = df.groupby('group').cumcount()
mux = pd.MultiIndex.from_product([df['group'].unique(), g.unique()])
L = (df.set_index(['group',g])
       .reindex(mux, fill_value=0)
       .groupby(level=0)['data_1','data_2']
       .apply(lambda x: x.values.tolist())
       .tolist()
)