分组 Pandas

Question

我有一个以下熊猫表（示意图）：

现在我想对其进行排序...

...以这样的方式：

1. Dataframe 按名称排序

2. 具有相同名称和相似列表元素的行被组合在一起。 “相似”是指相邻的两个行应该有一个列表元素，其中这些行之间的列表元素的差异在一定的阈值之内（这里我选择了 5）。

换句话说： 对于任何相邻的两行，如果第一行存在一个元素，第二行存在一个元素，且差异在阈值之内，则应将它们分组在一起。

1. 应该重命名这些组。

结果应该是这样的：

编辑： 我尝试了什么： df.sort_values(['name'],ascending=False).groupby('List')

当然，这是行不通的，因为每个列表都是一个新组，因为我无法引入“相似性”。

编辑2： 这是重现熊猫数据框的代码：

import pandas as pd
df = pd.DataFrame({
    'List' : [[2,4],[3,5],[16,19],[4,1],[14,15],[300,20]],
    'Name' :  ["A","C","A","A","A","A"]})

Answer 1

我们在这里需要新的“G”段，并使用groupby

df['G']=df.L.apply(max)
df=df.sort_values(['Name','G'])

df['G']=df.groupby(['Name']).G.apply(lambda x : x.diff().fillna(0).gt(5).cumsum())
df.Name=df.Name+'_'+df.G.astype(str)
df
Out[1287]: 
           L Name  G
0     [2, 4]  A_0  0
3     [4, 1]  A_0  0
4   [14, 15]  A_1  1
2   [16, 19]  A_1  1
5  [300, 20]  A_2  2
1     [3, 5]  C_0  0

数据输入

df=pd.DataFrame({'Name':list('ACAAAA'),'L':[[2,4],[3,5],[16,19],[4,1],[14,15],[300,20]]})

这是更新：

df['G']=df.L.apply(max)
df['G1']=df.L.apply(min)
df=df.sort_values(['Name','G'])

df['G']=df.groupby(['Name']).G.apply(lambda x : x.diff().fillna(0).gt(5))
df=df.sort_values(['Name','G1'])
df['G1']=df.groupby(['Name']).G1.apply(lambda x : x.diff().fillna(0).gt(5))
df.groupby('Name').apply(lambda x : ((x.G)|(x.G1)).cumsum())

df.Name=df.Name+'_'+df.groupby('Name').apply(lambda x : ((x.G)|(x.G1)).cumsum()).reset_index(level=0,drop=True).astype(str)
df
Out[1307]: 
           L Name      G     G1
3     [4, 1]  A_0  False  False
0     [2, 4]  A_0  False  False
4   [14, 15]  A_1   True   True
2   [16, 19]  A_1  False  False
5  [300, 20]  A_2   True  False
1     [3, 5]  C_0  False  False