如何在 Pandas Groupby 中将数据帧行分组到列表中？
原文:https://www.geesforgeks.org/如何分组-data frame-row-in-list-in-pandas-group by/
假设你有一个熊猫数据框架，由 2 列组成，我们想对这些列进行分组。在这篇文章中，我们也将讨论同样的问题。第一，让；让我们创建数据帧。
蟒蛇 3
# importing pandas as pd
import pandas as pd
# Create the data frame
df = pd.DataFrame({'column1': ['A', 'B', 'C', 'A', 'C',
'C', 'B', 'D', 'D', 'A'],
'column2': [5, 10, 15, 20, 25, 30,
35, 40, 45, 50]})
# Print the dataframe
df
输出:
示例#1: 我们可以在第 1 列使用 groupby() 方法，并应用该方法在每组熊猫数据框上应用一个列表。
蟒蛇 3
# importing pandas as pd
import pandas as pd
# Create the data frame
df = pd.DataFrame({'column1': ['A', 'B', 'C', 'A', 'C',
'C', 'B', 'D', 'D', 'A'],
'column2': [5, 10, 15, 20, 25, 30,
35, 40, 45, 50]})
# Use groupby method and apply
# method on the dataframe
df = df.groupby('column1')['column2'].apply(list)
# Print the dataframe again
df
输出:
示例 2: 我们可以使用第 1 列的 groupby()方法和 agg() 方法对每组熊猫数据帧应用聚合，包括 lambda 函数。
蟒蛇 3
# importing pandas as pd
import pandas as pd
# Create the dataframe
df = pd.DataFrame({'column1': ['A', 'B', 'C', 'A', 'C',
'C', 'B', 'D', 'D', 'A'],
'column2': [5, 10, 15, 20, 25, 30,
35, 40, 45, 50]})
# Use groupby method and agg method
# with lambda function on the dataframe
df = df.groupby('column1').agg({'column2': lambda x: list(x)})
# Print the dataframe again
df
输出:
示例#3: 我们可以使用第 1 列的 groupby()方法和 agg()方法对每组熊猫数据帧应用聚合列表。
蟒蛇 3
# importing pandas as pd
import pandas as pd
# Create the data frame
df = pd.DataFrame({'column1': ['A', 'B', 'C', 'A', 'C',
'C', 'B', 'D', 'D', 'A'],
'column2': [5, 10, 15, 20, 25, 30,
35, 40, 45, 50]})
# Use groupby method and agg method
# with list as argument on the dataframe
df = df.groupby('column1').agg(list)
df
输出:
示例#4: 我们可以在第 1 列使用 groupby()方法，通过传递“ pd 来使用 agg()方法。系列 tolist 作为参数。
蟒蛇 3
# importing pandas as pd
import pandas as pd
# Create the data frame
df = pd.DataFrame({'column1': ['A', 'B', 'C', 'A', 'C',
'C', 'B', 'D', 'D', 'A'],
'column2': [5, 10, 15, 20, 25, 30,
35, 40, 45, 50]})
# Use groupby method and agg method with
# pd.Series.tolist as argument on the dataframe
df = df.groupby('column1').agg(pd.Series.tolist)
df
输出:
