Python：将唯一 ID 分组并将值合并到一个数组中

Question

我有一个 pandas DF 看起来像这样

东风：

       name ;time_cost
        x   ;28800000, 250 
        x   ;39600000, 300 
        x   ;61200000, 250 
        x   ;72000000, 0 
        y   ;86400000, 0 
        y   ;115200000, 250 
        y   ;126000000, 300 
        y   ;147600000, 250
        y   ;158400000, 0

df.head().to_dict()
{'name': {0: 'x',
          1: 'x',
          2: 'x',
          3: 'x'},
 'time_cost': {0: '28800000, 250',
                1: '39600000, 300',
                2: '61200000, 250',
                0: '72000000, 0'}}

我正在尝试将 time_cost 中的所有值放入数组中，如下所示：

[[[28800000, 250],
[39600000, 300],
[61200000, 250],
[72000000, 0 ],
[86400000, 0 ]],
[[115200000, 250],
[126000000, 300],
[147600000, 250],
[158400000, 0]]]

这是我尝试过的方法：

    import pandas as pd

        df = pd.read_csv('file.csv', sep=';')
        def f(df):
            return pd.Series(dict(timecost_range = "%s" % '| '.join(df['time_cost'])))

        result = df.groupby('name').apply(f)
        result
                timecost_range
        name    
        x       28800000, 250| 39600000, 300| 61200000, 250| 72000000, 0
        y       86400000, 0| 115200000, 250| 126000000, 300| 147600000, 250|...

这有点管用，但不是我想要的。任何想法或建议都会很有用。

Answer 1

在我的例子中，数据是：

df= pd.DataFrame({'name': {0: 'x',
          1: 'x',
          2: 'x',
          3: 'y'},
 'time_cost': {0: '28800000, 250',
                1: '39600000, 300',
                2: '61200000, 250',
                3: '72000000, 0'}})

第 1 步。 您可以使用类似这样的方法来获得结果：

def split_function(n):
    return n.split(',')

df['time_cost'] = df.time_cost.apply(split_function)

输出：

name         time_cost
0    x  [28800000,  250]
1    x  [39600000,  300]
2    x  [61200000,  250]
3    y    [72000000,  0]

第 2 步。 如果你想在 DataFrame 中使用两个不同的列，你可以使用：

df.time_cost.apply(pd.Series)

输出：

          0     1
0  28800000   250
1  39600000   300
2  61200000   250
3  72000000     0

步骤 3. 然后加入他们：

df = df.join(df.time_cost.apply(pd.Series))

输出：

name         time_cost         0     1
0    x  [28800000,  250]  28800000   250
1    x  [39600000,  300]  39600000   300
2    x  [61200000,  250]  61200000   250
3    y    [72000000,  0]  72000000     0

然后您可以使用 drop 删除 "time_cost" 列，并根据需要使用 rename 重命名新列。

是你想要的吗？希望对您有所帮助。

UPD:

步骤4.如果你想按名称分组，你可以使用这个：

df[0] = df[0].astype(int)
df[1] = df[1].astype(int)

def concat_function_0(df):
    return np.array(df[0])
def concat_function_1(df):
    return np.array(df[1])

df = pd.DataFrame([df.groupby('name').apply(concat_function_1), df.groupby('name').apply(concat_function_0)]).T

它不是 pythonic，但它有效 =)

输出：

name               0                               1                                                 
x     [250, 300, 250]  [28800000, 39600000, 61200000]
y                 [0]                      [72000000]

UPD:

第 5 步。 对于您的结果，在第一步之后使用此：

def df_to_array(df):
    return list(df.time_cost)

result = df.groupby('name').apply(df_to_array).values

输出：

[[['28800000', ' 250'], ['39600000', ' 300'], ['61200000', ' 250']]
 [['72000000', ' 0']]]

Python：将唯一 ID 分组并将值合并到一个数组中

Python: Group Unique ids and Merge Values into an Array

python

pandas

matrix-indexing