python - Pandas DataFrame - 将一列的值与相同的索引合并到列表中

Question

我一直在这个问题上有一段时间无济于事。这几乎是 at least one other question on here 的重复，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东西。

我有一个 Pandas DataFrame(我们称之为 df)，看起来像这样:

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。我想将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(或一个集合，或一个元组)，并将该列表作为 Value对应索引。而且，如图所示，Value2 在 like-indexed 行之间是相同的，因此它最终应该保持相同。

我所做的(成功的)就是找出如何将 Value 列中的每个元素放入列表中:

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。我知道我需要 df.index 之外的东西作为 groupby 的参数，因为 Value 列被视为特殊列，我不确定用什么代替 sum() 因为这不是我要找的东西。

希望您清楚我在寻找什么，如果有任何我可以详细说明的内容，请告诉我。我也试过自己简单地遍历 DataFrame，找到具有相同索引的行，将 Values 组合到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，该解决方案有点奏效。 Values 似乎确实正确连接到一个列表中。我意识到的一件事是 unique 函数返回一个 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)

其中第一行给列列表的 groupby 减去 Value 列的参数，第二行转换 Series由 unique 返回到一个 DataFrame 中，其列与 df 相同。

但我认为，如果所有这些都准备就绪(除非有人认为这有问题)，几乎所有事情都会按预期进行。不过，这里似乎确实有些不对劲。当我尝试使用 to_csv 将其输出到文件时，顶部有重复的 header (但只有某些 header 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 输出电流如下所示:

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，与本文开头的示例相反，A 假定有超过 2 个 Values(以便我可以说明这一点)。当我对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，使 'Name' 索引成为一列

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

作为跟进，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

保存为 CSV(而不是 TSV)

您不想在此处使用 CSV，因为 Value 列条目中有逗号。相反，保存为 TSV，您仍然使用相同的方法 to_csv，只需更改 sep arg:

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

如果我将 result.txt 作为 TSV 加载到 EXCEL 中，我得到