Pandas Dataframe Groupby Agg-Lambda-Single Value转到先前存在的或新的列表与先前存在的列表融合
问题描述
我有此DataFrame to groupby密钥:
df = pd.DataFrame({
'key': ['1', '1', '1', '2', '2', '3', '3', '4', '4', '5'],
'data1': [['A', 'B', 'C'], 'D', 'P', 'E', ['F', 'G', 'H'], ['I', 'J'], ['K', 'L'], 'M', 'N', 'O']
'data2': [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
})
df
我想将GROUPBY KEY和SUM数据设为2,这部分可以。 但是关于数据1,我想:
- 如果列表尚不存在:
- 密钥不重复时,单个值不会更改
- 分配给键的单个值合并到一个新列表中
- 如果列表已存在:
- 其他单个值被追加到它后面
- 附加其他列表值
生成的DataFrame应为:
dfgood = pd.DataFrame({
'key': ['1', '2', '3', '4', '5'],
'data1': [['A', 'B', 'C', 'D', 'P'], ['F', 'G', 'H', 'E'], ['I', 'J', 'K', 'L'], ['M', 'N'], 'O']
'data2': [6, 9, 13, 17, 10]
})
dfgood
事实上,我并不真正关心data1值进入列表的顺序,它也可以是将它们保持在一起的任何结构,甚至可以是带分隔符的字符串或集合,如果这样做更容易让它按照您认为最好的方式进行的话。
我想了两个解决方案:
- 往那边走:
dfgood = df.groupby('key', as_index=False).agg({
'data1' : lambda x: x.iloc[0].append(x.iloc[1]) if type(x.iloc[0])==list else list(x),
'data2' : sum,
})
dfgood
由于x.iloc[1]
中的index out of range
无法工作。
我也试过了,因为在this link上的问题中的另一个groupby中,data1是这样组织的:
dfgood = df.groupby('key', as_index=False).agg({
'data1' : lambda g: g.iloc[0] if len(g) == 1 else list(g)),
'data2' : sum,
})
dfgood
但它是从先前存在的列表或值创建新列表,而不是将数据追加到现有列表。
- 另一种方式,但是我觉得比较复杂,应该有更好或者更快的解决方案:
- 使用
apply
, 将data1列表和单个值转换为单个系列
- 使用
wide_to_long
为每个键保留单个值, - 然后分组申请:
- 使用
dfgood = df.groupby('key', as_index=False).agg({
'data1' : lambda g: g.iloc[0] if len(g) == 1 else list(g)),
'data2' : sum,
})
dfgood
我认为我的问题是我不知道如何正确使用lambdas,并且我尝试了像上一个示例中的x.iloc[1]
这样愚蠢的事情。我已经看了很多关于lambdas的教程,但在我的脑海中仍然是模糊不清的。
解决方案
存在带标量的问题组合列表,可能的解决方案是先从标量创建列表,然后在groupby.agg
中将其展平:
dfgood = (df.assign(data1 = df['data1'].apply(lambda y: y if isinstance(y, list) else [y]))
.groupby('key', as_index=False).agg({
'data1' : lambda x: [z for y in x for z in y],
'data2' : sum,
})
)
print (dfgood)
key data1 data2
0 1 [A, B, C, D, P] 6
1 2 [E, F, G, H] 9
2 3 [I, J, K, L] 13
3 4 [M, N] 17
4 5 [O] 10
另一个想法是使用flatten
函数只拼合列表,而不是字符串:
#https://stackoverflow.com/a/5286571/2901002
def flatten(foo):
for x in foo:
if hasattr(x, '__iter__') and not isinstance(x, str):
for y in flatten(x):
yield y
else:
yield x
dfgood = (df.groupby('key', as_index=False).agg({
'data1' : lambda x: list(flatten(x)),
'data2' : sum}))
相关文章