使用 groupby 函数时如何将元素粘合到列表中？

Question

我有一个数据框：

df = pd.DataFrame({'A' : ['foo', 'bar', 'foo', 'bar','foo', 'bar', 'foo', 'foo'],
                   'C' : np.asarray([1,2,3,4,5,6,7,8])
                   'D' : np.asarray([2,3,4,5,6,7,8,9])})

     A   C   D
 0  foo  1   2
 1  bar  2   3
 2  foo  3   4
 3  bar  4   5
 4  foo  5   6
 5  bar  6   7
 6  foo  7   8
 7  foo  8   9

我想要的是

    A   C                  D
 0 foo  [1,3,5,7,8]      [2,4,6,8,9]
 1 bar  [2,4,6]          [3,5,7]

我自己写了一些东西，但它不起作用。它给了我原来的DataFrame：

def my_func(df):
    df.apply(lambda x: list(x.values), axis=0)
    return df

df = df.groupby(['A']).apply(my_func)
print df

如何实现我想要的功能？

Answer 1

这样就可以了，使用.agg():

In [15]:

df = pd.DataFrame({'A' : ['foo', 'bar', 'foo', 'bar','foo', 'bar', 'foo', 'foo'],
                   'C' : np.asarray([1,2,3,4,5,6,7,8]),
                   'D' : np.asarray([2,3,4,5,6,7,8,9])})
In [16]:

print df.groupby('A').agg(lambda x: list(x))
                   C                D
A                                    
bar        [2, 4, 6]        [3, 5, 7]
foo  [1, 3, 5, 7, 8]  [2, 4, 6, 8, 9]

我认为df.groupby('A').C.agg(list) 也应该可以工作。但显然不会。

如果你想使用apply，可以这样做，但是你会丢失列名：

In [35]:

print df.groupby('A').apply(lambda x: pd.Series(list(x.T.values)))
                             0                1                2
A                                                               
bar            [bar, bar, bar]        [2, 4, 6]        [3, 5, 7]
foo  [foo, foo, foo, foo, foo]  [1, 3, 5, 7, 8]  [2, 4, 6, 8, 9]

将结果转换成Series很关键，否则你会得到：

In [36]:

print df.groupby('A').apply(lambda x: list(x.T.values))
A
bar              [[bar, bar, bar], [2, 4, 6], [3, 5, 7]]
foo    [[foo, foo, foo, foo, foo], [1, 3, 5, 7, 8], [...
dtype: object

Answer 2

一个简单的方法是

df = df.set_index('A')
a = df.groupby(level=0).apply(lambda x: x['C'].values)

a 现在看起来像这样

A
bar          [2, 4, 6]
foo    [1, 3, 5, 7, 8]

你可以通过

访问元素

a['bar']
Out[235]: array([2, 4, 6])