python - Pandas 按列和索引邻接对数据框进行分组

Question

假设我有以下数据框:

>>> Data=pd.DataFrame()
>>> Data['Color']=['Green','Green','Green','Blue','Blue','Green','Green','Blue','Green','Yellow']
>>> Data['Count']=np.random.randint(0,100,10)
>>> Data
    Color  Count
0   Green     75
1   Green     53
2   Green     89
3    Blue     66
4    Blue     45
5   Green     98
6   Green      7
7    Blue     28
8   Green     28
9  Yellow      7

如何按“颜色”列和与该列中具有相同值的其他记录相邻形成的组进行分组。例如，我想要的输出类似于以下内容(请注意，应用于“计数”列的函数是任意的，但在本例中我使用了总和)。

              Value
Group Color        
0     Blue      111
      Green     217
      Yellow      7
1     Blue       28
      Green     105
2     Green      28

前 3 条记录都具有相同的颜色值，因此在绿色组 0 中。接下来的 2 条记录具有相同的颜色值，因此在蓝色组 0 中。然后还有 2 条绿色记录，这会将它们放入绿色的第 1 组。等等等等

Answer 1

这个有点棘手。 IIUC，你可以这样得到你想要的结果:

>>> df = pd.DataFrame({'Colour': {0: 'Green', 1: 'Green', 2: 'Green', 3: 'Blue', 4: 'Blue', 5: 'Green', 6: 'Green', 7: 'Blue', 8: 'Green', 9: 'Yellow'}, 'Count': {0: 75, 1: 53, 2: 89, 3: 66, 4: 45, 5: 98, 6: 7, 7: 28, 8: 28, 9: 7}})
>>> cid = (df["Colour"] != df["Colour"].shift()).cumsum()
>>> df["Group"] = cid.groupby(df["Colour"]).rank("dense") - 1
>>> df.groupby(["Group", "Colour"]).sum()
              Count
Group Colour       
0     Blue      111
      Green     217
      Yellow      7
1     Blue       28
      Green     105
2     Green      28

---

这是有效的，因为 cid 是一个使用 shift-compare-cumsum 模式构建的“连续集群”id。在我们有了cid之后，我们可以将这些cluster ids按颜色分组，然后对它们进行密集排序，得到group ids。