Pandas: как сгруппировать строки в списке с помощью groupby

Вы можете использовать следующие методы для группировки строк DataFrame в список с помощью GroupBy в pandas:

Способ 1. Сгруппируйте строки в списке по одному столбцу.

 df. groupby (' group_var ')[' values_var ']. agg ( list ). reset_index (name=' values_var ')

Способ 2: группировка строк в списке для нескольких столбцов

 df. groupby (' team '). agg (list)

В следующих примерах показано, как использовать каждый метод на практике со следующим DataFrame pandas:

 import pandas as pd

#createDataFrame
df = pd. DataFrame ({' team ': ['A', 'A', 'A', 'A', 'B', 'B', 'C', 'C', 'C'],
                   ' points ': [10, 10, 12, 15, 19, 23, 20, 20, 26],
                   ' assists ': [6, 8, 9, 11, 13, 8, 8, 15, 10]})

#view DataFrame
print (df)

  team points assists
0 to 10 6
1 to 10 8
2 to 12 9
3 to 15 11
4 B 19 13
5 B 23 8
6 C 20 8
7 C 20 15
8 C 26 10

Пример 1. Сгруппируйте строки в списке по одному столбцу.

Мы можем использовать следующий синтаксис, чтобы сгруппировать строки по столбцу команды и создать список значений столбца точек :

 #group points values into list by team
df. groupby (' team ')[' points ']. agg ( list ). reset_index (name=' points ')

     team points
0 A [10, 10, 12, 15]
1 B [19, 23]
2 C [20, 20, 26]

Мы видим, что список значений очков создается для каждой уникальной команды в DataFrame.

Пример 2. Группировка строк в списке для нескольких столбцов

Мы можем использовать следующий синтаксис для группировки строк по столбцу команды и создания списка значений для столбцов очков и помощи :

 #group points and assists values into lists by team
df. groupby (' team '). agg ( list )

	assist points
team		
A [10, 10, 12, 15] [6, 8, 9, 11]
B [19, 23] [13, 8]
C [20, 20, 26] [8, 15, 10]

Мы видим, что список значений очков и список значений передач создаются для каждой уникальной команды в DataFrame.

Примечание . Полную документацию по операции GroupBy в pandas можно найти здесь .

Дополнительные ресурсы

В следующих руководствах объясняется, как выполнять другие распространенные операции в pandas:

Панды: как посчитать совокупную сумму на группу
Панды: как посчитать уникальные значения по группам
Панды: как рассчитать режим по группе
Панды: как рассчитать корреляцию по группам