我有一个数据框 df
:
A B
0 28 abc
1 29 def
2 30 hij
3 31 hij
4 32 abc
5 28 abc
6 28 abc
7 29 def
8 30 hij
9 28 abc
10 29 klm
11 30 nop
12 28 abc
13 29 xyz
df.dtypes
A object # A is a string column as well
B object
dtype: object
我想使用此列表中的值进行分组:
i = np.array([ 3, 5, 6, 9, 12, 14])
基本上,df
中索引为0、1、2的所有行属于第一组,索引为3、4的行属于第二组,索引为5的行属于第三组,以此类推。
我的最终目标是:
A B
28,29,30 abc,def,hij
31,32 hij,abc
28 abc
28,29,30 abc,def,hij
28,29,30 abc,klm,nop
28,29 abc,xyz
到目前为止使用
groupby
+ pd.cut
的解决方案如下:df.groupby(pd.cut(df.index, bins=np.append([0], i)), as_index=False).agg(','.join)
A B
0 29,30,31 def,hij,hij
1 32,28 abc,abc
2 28 abc
3 29,30,28 def,hij,abc
4 29,30,28 klm,nop,abc
5 29 xyz
结果不正确 :-(
我该如何正确地做这件事?