データフレームの行をパンダのグループでリストにグループ化する方法は？

私はパンダのデータフレームを持っていますdf：

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

私がしたい最初の列でグループと行のリストとして第2の列を取得します：

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

パンダグループを使用してこのようなことをすることは可能ですか？

これを使用groupbyして、目的の列でグループ化してapply listから、すべてのグループにグループ化できます。

In [1]: 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

In [2]: df.groupby('a')['b'].apply(list)
Out[2]: 
a
A       [1, 2]
B    [5, 5, 4]
C          [6]
Name: b, dtype: object

In [3]: df1 = df.groupby('a')['b'].apply(list).reset_index(name='new')
        df1
Out[3]: 
   a        new
0  A     [1, 2]
1  B  [5, 5, 4]
2  C        [6]

パフォーマンスが重要な場合は、numpyレベルに下げます。

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

テスト：

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

これを実現する便利な方法は次のとおりです。

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

カスタムアグリゲーションの作成を検討する：https : //www.kaggle.com/akshaysehgal/how-to-group-by-aggregate-using-py

あなたが言っていたgroupbyように、pd.DataFrameオブジェクトのメソッドは仕事をすることができます。

例

 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]}

これは、グループのインデックスごとの説明を提供します。

単一のグループの要素を取得するには、たとえば、

 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

データフレームのいくつかの列でこれを解決するには：

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]

この回答は、Anamika Modiの回答から発想を得たものです。ありがとうございました！

以下のいずれかgroupbyとaggレシピを使用してください。

# 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

複数の列をリストとして集約するには、次のいずれかを使用します。

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]

単一の列のみをグループ化するには、groupbyをSeriesGroupByオブジェクトに変換してから、を呼び出しますSeriesGroupBy.agg。使用する、

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

複数の列をグループ化しているときに一意の リストを探す場合、これはおそらく役立つでしょう：

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

df.groupbyリストとSeriesコンストラクタで使用してみましょう

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

のagg代わりに使用する時が来ましたapply。

いつ

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

複数の列をリストに積み重ねたい場合は、 pd.DataFrame

df.groupby('a')[['b', 'c']].agg(list)
# or 
df.groupby('a').agg(list)

リストに単一の列が必要な場合、結果は ps.Series

df.groupby('a')['b'].agg(list)
#or
df.groupby('a')['b'].apply(list)

のpd.DataFrame結果はps.Series、単一の列のみを集計する場合の結果よりも約10倍遅くなります。複数列の場合に使用してください。

ここでは「|」で要素をグループ化しています セパレータとして

    import pandas as 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]

集約関数のタプル構文だけでAnamikaの回答に似ている、少なくとも1つの列で同じことのほとんどが達成されないことがわかる最も簡単な方法。

df.groupby('a').agg(b=('b','unique'), c=('c','unique'))