web-dev-qa-db-fra.com

regroupement de rangs dans une liste de pandas groupby

J'ai un cadre de données de pandas comme:

A 1
A 2
B 5
B 5
B 4
C 6

Je veux grouper par la première colonne et obtenir la deuxième colonne sous forme de listes en lignes:

A [1,2]
B [5,5,4]
C [6]

Est-il possible de faire quelque chose comme ça en utilisant des pandas groupby?

pythonpandas
132
Abhishek Thakur

Vous pouvez le faire en utilisant groupby pour grouper sur la colonne d’intérêt, puis applylist à chaque groupe:

In [1]:
# create the dataframe    
df = pd.DataFrame( {'a':['A','A','B','B','B','C'], 'b':[1,2,5,5,4,6]})
df
Out[1]:
   a  b
0  A  1
1  A  2
2  B  5
3  B  5
4  B  4
5  C  6

[6 rows x 2 columns]

In [76]:
df.groupby('a')['b'].apply(list)

Out[76]:
a
A       [1, 2]
B    [5, 5, 4]
C          [6]
Name: b, dtype: object
204
EdChum

Si la performance est importante, descendez au niveau numpy:

import numpy as np

df = pd.DataFrame({'a': np.random.randint(0,60,600), 'b': [1,2,5,5,4,6]*100})

def f(df):
         keys, values = df.sort_values('a').values.T
         ukeys, index = np.unique(keys,True)
         arrays = np.split(values,index[1:])
         df2 = pd.DataFrame({'a':ukeys,'b':[list(a) for a in arrays]})
         return df2

Tests:

In [301]: %timeit f(df)
1000 loops, best of 3: 1.64 ms per loop

In [302]: %timeit df.groupby('a')['b'].apply(list)
100 loops, best of 3: 5.26 ms per loop
24
B. M.

Comme vous le disiez, la méthode groupby d'un objet pd.DataFrame peut faire l'affaire.

Exemple

 L = ['A','A','B','B','B','C']
 N = [1,2,5,5,4,6]

 import pandas as pd
 df = pd.DataFrame(Zip(L,N),columns = list('LN'))


 groups = df.groupby(df.L)

 groups.groups
      {'A': [0, 1], 'B': [2, 3, 4], 'C': [5]}

qui donne une description indexée des groupes.

Pour obtenir des éléments de groupes individuels, vous pouvez faire, par exemple

 groups.get_group('A')

     L  N
  0  A  1
  1  A  2

  groups.get_group('B')

     L  N
  2  B  5
  3  B  5
  4  B  4
14
Acorbe

Un moyen pratique d'y parvenir serait:

df.groupby('a').agg({'b':lambda x: list(x)})

Rechercher dans l'écriture d'agrégations personnalisées: https://www.kaggle.com/akshaysehgal/how-to-group-by-aggregate-using-py

8
Anamika Modi

Pour résoudre ce problème pour plusieurs colonnes d'un dataframe:

In [5]: df = pd.DataFrame( {'a':['A','A','B','B','B','C'], 'b':[1,2,5,5,4,6],'c'
   ...: :[3,3,3,4,4,4]})

In [6]: df
Out[6]: 
   a  b  c
0  A  1  3
1  A  2  3
2  B  5  3
3  B  5  4
4  B  4  4
5  C  6  4

In [7]: df.groupby('a').agg(lambda x: list(x))
Out[7]: 
           b          c
a                      
A     [1, 2]     [3, 3]
B  [5, 5, 4]  [3, 4, 4]
C        [6]        [4]

Cette réponse est inspirée de celle de Anamika Modi . Je vous remercie!

6
Markus Dutschke

Utilisez l’une des recettes groupby et agg suivantes.

# Setup
df = pd.DataFrame({
  'a': ['A', 'A', 'B', 'B', 'B', 'C'],
  'b': [1, 2, 5, 5, 4, 6],
  'c': ['x', 'y', 'z', 'x', 'y', 'z']
})
df

   a  b  c
0  A  1  x
1  A  2  y
2  B  5  z
3  B  5  x
4  B  4  y
5  C  6  z

Pour agréger plusieurs colonnes en tant que listes, utilisez l'une des méthodes suivantes:

df.groupby('a').agg(list)
df.groupby('a').agg(pd.Series.tolist)

           b          c
a                      
A     [1, 2]     [x, y]
B  [5, 5, 4]  [z, x, y]
C        [6]        [z]

Pour ne répertorier qu'une seule colonne par groupe, convertissez le groupby en un objet SeriesGroupBy, puis appelez SeriesGroupBy.agg. Utilisation,

df.groupby('a').agg({'b': list})  # 4.42 ms 
df.groupby('a')['b'].agg(list)    # 2.76 ms - faster

a
A       [1, 2]
B    [5, 5, 4]
C          [6]
Name: b, dtype: object
3
cs95

Ici j'ai regroupé les éléments avec "|" en tant que séparateur importer des pandas en tant que pd

df = pd.read_csv('input.csv')

df
Out[1]:
  Area  Keywords
0  A  1
1  A  2
2  B  5
3  B  5
4  B  4
5  C  6

df.dropna(inplace =  True)
df['Area']=df['Area'].apply(lambda x:x.lower().strip())
print df.columns
df_op = df.groupby('Area').agg({"Keywords":lambda x : "|".join(x)})

df_op.to_csv('output.csv')
Out[2]:
df_op
Area  Keywords

A       [1| 2]
B    [5| 5| 4]
C          [6]
0
Ganesh Kharad

Utilisons df.groupby avec list et le constructeur Series 

pd.Series({x : y.b.tolist() for x , y in df.groupby('a')})
Out[664]: 
A       [1, 2]
B    [5, 5, 4]
C          [6]
dtype: object
0
Wen-Ben

Si vous recherchez un niqueliste lors du regroupement de plusieurs colonnes, cela pourrait probablement aider:

df.groupby('a').agg(lambda x: list(set(x))).reset_index()
0
Vanshika