如何输出分组对象中指定列中所有值的列表

Posted 2023-03-11

【中文标题】如何输出分组对象中指定列中所有值的列表

【英文标题】：How to output a list of all values in a specified column in a grouped object

【发布时间】：2016-01-17 15:05:24

【问题描述】：

我有以下问题：我有一个分组对象。对于每个分组的对象，我想为该组的特定列中包含的所有值创建一个逗号分隔的列表。我的代码如下：

for key, group in df.groupby('Column1'):
    All_values_in_group = []
    for item, frame in group['Column2'].iteritems():
        list = frame.split(',')
        for value in list:
            All_values_in_group.append(value)
            print key
            print All_values_in_group

这背后的想法是我按特定列对数据进行分组，并制作一个空列表。然后，对于每个frame（行），我通过拆分包含在',' 行中的string 来创建一个列表。然后将此列表中的每个值附加到我想要的 output_list All_values_in_group。该列表应是 X 组每一行的 Column2 中包含的所有数据的“汇总”。

我现在的问题是当我printAll_values_in_group时我没有得到一个列表，而是几个列表，像这样（L1是组键）：

L1
['string1]
L1
['string1, 'string2']
L1
['string1', 'string2', 'string3']

我只想要一个 All_values_in_group 列表，其中包含该组中 Column2 中的所有值，就像示例中的最后一行一样，我想保留重复项。

为了更清楚，这里是我的数据示例：

   Column1  Column2 
0     L1    string1,string2,string3
1     L1    string1
2     L1    string2,string3
3     L2    stringA,stringB

我想要的是：

L1
All_values_in_group ['string1', 'string2', 'string3', 'string1', 'string2', 'string3']
L2
All_values_in_group ['stringA', 'stringB']

有人知道如何让我的代码像这样工作吗？我觉得这只是一件小事，但我不接受它。提前致谢！

【参考方案1】：

您可以在 'Column1' 和 apply 上进行分组，该 lambda 调用 join 来连接所有字符串值，然后如果您希望从该结果构造一个列表对象：

In [22]:
df.groupby('Column1')['Column2'].apply(lambda x: [','.join(x)])

Out[22]:
Column1
L1    [string1,string2,string3,string1,string2,string3]
L2                                    [stringA,stringB]
Name: Column2, dtype: object

【讨论】：

等等，实际上它并不完美。列表的最后一个和第一个字符串不是逗号分隔的，而是作为一个字符串连接在一起...我该如何更正？

嘿，如果你不介意的话，我有一个关于输出的问题。我不确定如何以这种形式的输出继续我的工作。例如，我如何计算数据中每个组的每个值的出现次数？我尝试在结果对象上调用count_values()，但总是得到错误AttributeError: 'list' object has no attribute 'count_values'。

由于许多原因，在 df 中存储列表并不是很好地使用数据帧，您必须自己执行计数，将每一行转换为熊猫系列，然后您可以使用value_counts

或者如果我将 lambda x 函数写成函数，它会是什么样子？我刚试过def listi(x): lambda x: (',').join(x)，但应用它会导致输出为空..

你可以这样做：In [83]: df1 = df.groupby('Column1')['Column2'].apply(lambda x: [','.join(x)]) df1 = df1.reset_index() def func(x): print(pd.Series(x[0][0].split(',')).value_counts()) df1[['Column2']].apply(lambda x: func(x), axis=1) string1 2 string3 2 string2 2 dtype: int64 stringB 1 stringA 1 dtype: int64