pandas 实现某一列分组,其他列合并成list
pandas列转换为字典,但将相同第一列(键)的所有值合并为一个键
形式一:
import pandas as pd # data data = pd.DataFrame({'column1':['key1','key1','key2','key2'], 'column2':['value1','value2','value3','value3']}) print(data) # Grouped dict data_dict = data.groupby('column1').column2.apply(list).to_dict() print(data_dict)
输出结果:
column1 column2 0 key1 value1 1 key1 value2 2 key2 value3 3 key2 value3 {'key1': ['value1', 'value2'], 'key2': ['value3', 'value3']}
形式二:
import pandas as pd # data df = pd.DataFrame({'column1':['key1','key1','key2','key2'], 'column2':['value1','value2','value1','value2'], 'column3':['value11','value11','value22','value22'], 'column4':['value44','value44','value55','value55']}) # Grouped dict data_dict = df.groupby('column1').apply(lambda x: {col:x[col].tolist() for col in x.columns if col != 'column2'}).to_dict() print(data_dict) data_dict2 = df.groupby('column1').apply(lambda x: {col:x[col].tolist()[0] if col != 'column2' else x[col].tolist() for col in x.columns}).to_dict() print(data_dict2)
输出结果:
#data_dict { 'key1': { 'column1': ['key1', 'key1'], 'column3': ['value11', 'value11'], 'column4': ['value44', 'value44'] }, 'key2': { 'column1': ['key2', 'key2'], 'column3': ['value22', 'value22'], 'column4': ['value55', 'value55'] } } #data_dict2 { 'key1': { 'column1': 'key1', 'column2': ['value1', 'value2'], 'column3': 'value11', 'column4': 'value44' }, 'key2': { 'column1': 'key2', 'column2': ['value1', 'value2'], 'column3': 'value22', 'column4': 'value55' } }
补充:pandas中,利用groupby分组后,对字符串字段进行合并拼接
在pandas里对于数值字段而言,groupby后可以用sum()、max()等方法进行简单的处理,对于字符串字段, 如果把它们的值拼接在一起,可以用使用 str.cat() 和 lamda 方法。
如,将下面表格中的内容,对skill字段按照id进行分组合并
实现代码:
import pandas as pd file_name='test.xlsx' df=pd.read_excel(file_name) data=df.groupby('id')['skill'].apply(lambda x:x.str.cat(sep=':')).reset_index() print(data)
效果如下:
另,数据处理时,常常需要将某一列进行拆分,分列,替换等,相关的函数有str.split()、str.extract()、str.replace().
以上为个人经验,希望能给大家一个参考,也希望大家多多支持我们。如有错误或未考虑完全的地方,望不吝赐教。
赞 (0)