python - 在数据框中对数据进行分组以根据 Pandas/Python 中的唯一 ID 生成列表

Question

您好，我正在使用 pandas/python，并且有一个数据框如下所示:

21627   red
21627   green
21627   red
21627   blue
21627   purple
21628   yellow
21628   red
21628   green
21629   red
21629   red

我想减少到:

21627   red, green, blue, purple
21628   yellow, red, green
21629   red

执行此操作(并将列表中的所有值折叠为唯一值)的最佳方法是什么？

此外，如果我想保留冗余:

21627   red, green, red, blue, purple
21628   yellow, red, green
21629   red, red

实现此目标的最佳方法是什么？

在此先感谢您的帮助。

Answer 1

如果您真的想这样做，您可以使用 groupby apply:

In [11]: df.groupby('id').apply(lambda x: list(set(x['colours'])))
Out[11]: 
id
21627    [blue, purple, green, red]
21628          [green, red, yellow]
21629                         [red]
dtype: object

In [12]: df.groupby('id').apply(lambda x: list(x['colours']))
Out[12]: 
id
21627    [red, green, red, blue, purple]
21628               [yellow, red, green]
21629                         [red, red]
dtype: object

但是，包含列表的 DataFrame 并不是特别有效。

Pivot table为您提供更有用的 DataFrame:

In [21]: df.pivot_table(rows='id', cols='colours', aggfunc=len, fill_value=0)
Out[21]: 
colours  blue  green  purple  red  yellow
id                                       
21627       1      1       1    2       0
21628       0      1       0    1       1
21629       0      0       0    2       0

我最喜欢的函数 get_dummies 可以让你做到这一点，但不是那么优雅或高效(但我会保留这个原始的，如果疯狂的话，建议):

In [22]: pd.get_dummies(df.set_index('id')['colours']).reset_index().groupby('id').sum()
Out[22]: 
       blue  green  purple  red  yellow
id                                     
21627     1      1       1    2       0
21628     0      1       0    1       1
21629     0      0       0    2       0