logo标签列表

Pandas：按列A分组并从其他列制作元组列表？

pythonpandasdataframepandas-groupby
27

我希望能够在pandas中将用户交易汇总为列表。我无法弄清如何创建由多个字段组成的列表。例如：

df = pd.DataFrame({'user':[1,1,2,2,3], 
                   'time':[20,10,11,18, 15], 
                   'amount':[10.99, 4.99, 2.99, 1.99, 10.99]})

看起来像

    amount  time  user
0   10.99    20     1
1    4.99    10     1
2    2.99    11     2
3    1.99    18     2
4   10.99    15     3

如果我做

print(df.groupby('user')['time'].apply(list))

我明白了

user
1    [20, 10]
2    [11, 18]
3        [15]

但如果我这样做

df.groupby('user')[['time', 'amount']].apply(list)

我知道了

user
1    [time, amount]
2    [time, amount]
3    [time, amount]

感谢下面的回答，我学会了如何做到这一点

df.groupby('user').agg(lambda x: x.tolist()))

获得

             amount      time
user                         
1     [10.99, 4.99]  [20, 10]
2      [2.99, 1.99]  [11, 18]
3           [10.99]      [15]
但我希望按照相同的顺序排序时间和金额，这样我就可以按顺序查看每个用户的交易记录。 我正在寻找一种方法来生成这个。
             amount-time-tuple
user                         
1     [(20, 10.99), (10, 4.99)]
2     [(11,  2.99), (18, 1.99)]
3     [(15, 10.99)]

但也许有一种方法可以在不将这两列组成元组的情况下进行排序？

你能发布你想要的数据集吗？ - MaxU - stand with Ukraine
4个回答
20

apply(list) 会考虑序列的索引而不是值。我想你可能正在寻找 

df.groupby('user')[['time', 'amount']].apply(lambda x: x.values.tolist())

用户
1    [[23.0, 2.99], [50.0, 1.99]]
2                  [[12.0, 1.99]]
7

为金额和时间元组atpair创建一个新的列

 df['atpair'] = list(zip(df.amount, df.time))

数据框看起来像
        user  time  amount       atpair
    0     1    20   10.99  (10.99, 20)
    1     1    10    4.99   (4.99, 10)
    2     2    11    2.99   (2.99, 11)
    3     2    18    1.99   (1.99, 18)
    4     3    15   10.99  (10.99, 15)

现在进行分组并应用列表追加到 atpair 中。
 df = df.groupby('user')['atpair'].apply(lambda x : x.values.tolist())

数据框看起来像这样：
user
1    [(10.99, 20), (4.99, 10)]
2     [(2.99, 11), (1.99, 18)]
3                [(10.99, 15)]
2

IIUC:

In [101]: df.groupby('user').agg(lambda x: x.tolist())
Out[101]:
          time        amount
user
1     [23, 50]  [2.99, 1.99]
2         [12]        [1.99]
2

基于Bharath的答案

df.groupby('user')[['time', 'amount']].apply(lambda x: list(map(tuple,x.values)))

这可以得到：

user
1    [(20.0, 10.99), (10.0, 4.99)]
2     [(11.0, 2.99), (18.0, 1.99)]
3                  [(15.0, 10.99)]
dtype: object
网页内容由stack overflow 提供, 点击上面的
可以查看英文原文，
原文链接