如何在熊猫 groupby 之后获取列表列表

Posted 2023-03-11

【中文标题】如何在熊猫 groupby 之后获取列表列表

【英文标题】：how to get list of list after pandas groupby

【发布时间】：2020-11-21 02:21:03

【问题描述】：

我搜索了我的问题，它与question 类似。 但是，它没有给出预期的结果，所以我仍然卡住了。 我有一个这样的列表：

import pandas as pd

l=[[1,'John','Wed',28],[1,'John','Fri',30],[2,'Alex','Fri',40],[2,'Alex','Fri',60]]

我做到了

o=pd.DataFrame(l,columns=['id','name','day','marks'])
r = o.groupby(['id','name','day']).marks.mean().reset_index().values.tolist()

现在我得到的看起来像这样

[[1,'John','Wed',28],[1,'John','Fri',30],[2,'Alex','Fri',50]]

谁能帮我弄点类似的东西

[[1,'John',[['Wed',28],['Fri',30]]], [2,'Alex',[['Fri',50]]]]

【参考方案1】：

你可以这样做：

# get mean marks
df['mean_marks'] = df.groupby(['id', 'name', 'day'])['marks'].transform('mean')

# create list of day, marks
df['mark_list'] = df[['day','mean_marks']].agg(list, 1)

# aggregate
df = (df
      .groupby(['id', 'name'])['mark_list']
      .apply(list)
      .apply(lambda x: [list(y) for y in set([tuple(j) for j in x])])
      .reset_index())

print(df)

   id  name               mark_list
0   1  John  [[Wed, 28], [Fri, 30]]
1   2  Alex             [[Fri, 50]]

【讨论】：

非常感谢......这正是我想要做的

【参考方案2】：

您可以使用defaultdict 将r 中的数据获取到您想要的输出中：

from collections import defaultdict

d = defaultdict(list)

for number, name, day, day_number in r:
    d[(number, name)].append([day, day_number])

#pull data into list form with a list comprehension
[[*key, value] for key, value in d.items()]

[[1, 'John', [['Fri', 30], ['Wed', 28]]], [2, 'Alex', [['Fri', 50]]]]

或者，您可以在纯 Python 中运行整个过程，但需要注意的是您必须使用 defaultdict 两次，这是有道理的，因为 defaultdict 正在对您的数据进行分组：

from collections import defaultdict
from statistics import mean

d = defaultdict(list)

for number, name, day, day_number in l:
    d[(number, name, day)].append(day_number)

d = key:mean(value) for key, value in d.items()

d = [[*key[:2], [*key[2:],value]] for key, value in d.items()]

box = defaultdict(list)
for number, name, [day, day_number] in d:
    box[(number, name)].append([day, day_number])
    
[[*key, value] for key, value in box.items()]

[[1, 'John', [['Wed', 28], ['Fri', 30]]], [2, 'Alex', [['Fri', 50]]]]