python - 将非连续值分组到列表中

Question

我正在尝试按此数据集进行分组

    col1    col2
0   A   1
1   B   1
2   C   1
3   D   3
4   E   3
5   F   2
6   G   2
7   H   1
8   I   1
9   j   2
10  K   2

进入此

1 : [A, B, C]
3: [D, E]
2: [ F; G]
1: [ H, I]
2: [ J,K]

因此它必须捕获元素外观的差异，而不是一次将所有元素分组。

到目前为止，我能够执行正常的 groupby，df.groupby("col2")["col1"].apply(list) 但它不正确。

Answer 1

您需要通过比较不等于累积和的移位值来区分连续值，最后删除MultiIndex的第二级:

s = (df.groupby(["col2", df["col2"].ne(df["col2"].shift()).cumsum()])["col1"]
       .agg(list)
       .reset_index(level=1, drop=True))