我需要从 pandas DataFrame 对象中创建一个 python 列表对象或任何对象，对来自不同行的值进行分组

Posted 2023-03-12

【中文标题】我需要从 pandas DataFrame 对象中创建一个 python 列表对象或任何对象，对来自不同行的值进行分组

【英文标题】：I need to create a python list object, or any object, out of a pandas DataFrame object grouping pieces of values from different rows

【发布时间】：2017-12-12 22:33:18

【问题描述】：

我的 DataFrame 第一列有一个字符串，第二列有一个数字：

            GEOSTRING  IDactivity
9     wydm2p01uk0fd2z           2
10    wydm86pg6r3jyrg           2
11    wydm2p01uk0fd2z           2
12    wydm80xfxm9j22v           2
39    wydm9w92j538xze           4
40    wydm8km72gbyuvf           4
41    wydm86pg6r3jyrg           4
42    wydm8mzt874p1v5           4
43    wydm8mzmpz5gkt8           5
44    wydm86pg6r3jyrg           5
45    wydm8w1q8bjfpcj           5
46    wydm8w1q8bjfpcj           5

我想要做的是操作这个 DataFrame 以便拥有一个包含字符串的列表对象，该字符串由每个“GEOSTRING”值的第 5 个字符组成，用于每个不同的“IDactivity”值。 所以在这种情况下，我有 3 个不同的“IDactivity”值，我的列表对象中会有 3 个如下所示的字符串：

['2828', '9888','8888']

同样，您在每个字符串中看到的符号是每个“GEOSTRING”值的第 5 个值。

我要问的是一种解决方案或方法，它不涉及过于复杂的for 循环，并且尽可能高效，因为我必须处理大量数据。我希望它既干净又快速。

我希望它足够清楚。

【参考方案1】：

这可以通过以下方式轻松完成：（也被认为非常快）

result = df.groupby('IDactivity')['GEOSTRING'].apply(lambda x:''.join(x.str[4])).tolist()

这会按IDactivity 的值对数据框进行分组，然后从GEOSTRING 列的每个对应字符串中选择第5 个元素（索引4）并将其与其他对应字符串连接。最后我们添加tolist() 方法来获取输出为列表而不是熊猫系列。

输出：

['2828', '9888', '8888']

文档：

pandas.groupbypandas.apply

【参考方案2】：

这是一个涉及临时列的解决方案，并从this answer 获取关键操作的灵感：

# create a temp column with the character we want from each string
dframe['Temp'] = dframe['GEOSTRING'].apply(lambda x: x[4])

# groupby ID and then concatenate using a sneaky call to .sum()
dframe.groupby('IDactivity')['Temp'].sum().tolist()

结果：

['2828', '9888', '8888']

【讨论】：

这实际上很有用，因为我正在学习如何处理数据帧。 Rayhane 的回答可能更快，但你也很有帮助，谢谢