Pandas - 按多列分组

Question

我想对多列进行分组并聚合它们，使其在分组后成为列表。

目前，DataFrame的样子是这样的:

我尝试使用以下方法：

grouped = DataFrame.groupby(['jobname', 'block'], axis=0)
DataFrame= grouped.aggregate(lambda x: list(x))

然而，当我在IPython中应用此方法时，会出现以下错误：

---------------------------------------------------------------------------
ValueError                                Traceback (most recent call last)
<ipython-input-221-97113b757fa1> in <module>()
----> 1 cassandraFrame_2 = grouped.aggregate(lambda x: list(x))
      2 cassandraFrame_2

/usr/local/lib/python2.7/dist-packages/pandas/core/groupby.pyc in aggregate(self, arg, *args, **kwargs)
   2867 
   2868             if self.grouper.nkeys > 1:
-> 2869                 return self._python_agg_general(arg, *args, **kwargs)
   2870             else:
   2871 

/usr/local/lib/python2.7/dist-packages/pandas/core/groupby.pyc in _python_agg_general(self, func, *args, **kwargs)
   1166         for name, obj in self._iterate_slices():
   1167             try:
-> 1168                 result, counts = self.grouper.agg_series(obj, f)
   1169                 output[name] = self._try_cast(result, obj)
   1170             except TypeError:

/usr/local/lib/python2.7/dist-packages/pandas/core/groupby.pyc in agg_series(self, obj, func)
   1633             return self._aggregate_series_fast(obj, func)
   1634         except Exception:
-> 1635             return self._aggregate_series_pure_python(obj, func)
   1636 
   1637     def _aggregate_series_fast(self, obj, func):

/usr/local/lib/python2.7/dist-packages/pandas/core/groupby.pyc in _aggregate_series_pure_python(self, obj, func)
   1667                 if (isinstance(res, (Series, Index, np.ndarray)) or
   1668                         isinstance(res, list)):
-> 1669                     raise ValueError('Function does not reduce')
   1670                 result = np.empty(ngroups, dtype='O')
   1671 

ValueError: Function does not reduce

最终，我想要将相同的工作名称分组并组合在一起，但数据是一个元组列表，目前是一个三项元组。

例如：

jobname       block         data
Complete-Test Simple_buff   (tuple_1)
Complete-Test Simple_buff   (tuple_2)

聚合：

jobname       block         data
Complete-Test Simple_buff   [(tuple_1),(tuple_2)]

我可以按jobname分组，但这会将block聚合在一起，而我想保持blocks的分离。

有人能指导我正确的方向吗？

谢谢

- user1157751

---

你能展示一下你想要得到的结果吗？错误信息显示你需要给aggregate一个缩减函数，即为每个组返回一个标量（而不是列表或数组）。 - joris

@joris，我更新了我的问题以说明我想要得到什么。基本上，如果jobname和block相同，则将两个元组合并成一个由两个元组组成的列表。有时只有1个元组，有时需要合并2个或更多个元组。 - user1157751

回溯信息表明聚合函数无法返回列表，但元组可以使用。 - Lev Levitsky

尝试了元组，它可以正常工作...奇怪的是列表不起作用。您能否写一篇答案，以便我可以接受它？ - user1157751

Answer 1

看起来有一个明确的检查，聚合函数返回的值不是 Series、Index、np.ndarray 或者 list。

因此，以下代码应该可以正常工作：

grouped = df.groupby(['jobname', 'block'])
aggregated = grouped.aggregate(lambda x: tuple(x))

- Lev Levitsky