python - tablas - pandas merge

agrupando filas en la lista en pandas groupby

Question

Tengo un marco de datos de pandas como:

A 1
A 2
B 5
B 5
B 4
C 6

Quiero agrupar en la primera columna y obtener la segunda columna como listas en filas:

A [1,2]
B [5,5,4]
C [6]

¿Es posible hacer algo como esto usando pandas groupby?

Answer 1

Como groupby método groupby de un objeto pd.DataFrame puede hacer el trabajo.

Ejemplo

 L = [''A'',''A'',''B'',''B'',''B'',''C'']
 N = [1,2,5,5,4,6]

 import pandas as pd
 df = pd.DataFrame(zip(L,N),columns = list(''LN''))


 groups = df.groupby(df.L)

 groups.groups
      {''A'': [0, 1], ''B'': [2, 3, 4], ''C'': [5]}

que da una descripción de los grupos en forma de índice

Para obtener elementos de grupos individuales, puede hacer, por ejemplo

 groups.get_group(''A'')

     L  N
  0  A  1
  1  A  2

  groups.get_group(''B'')

     L  N
  2  B  5
  3  B  5
  4  B  4

Answer 2

Puede hacerlo usando groupby para agrupar en la columna de interés y luego apply list a cada grupo:

In [1]:
# create the dataframe    
df = pd.DataFrame( {''a'':[''A'',''A'',''B'',''B'',''B'',''C''], ''b'':[1,2,5,5,4,6]})
df
Out[1]:
   a  b
0  A  1
1  A  2
2  B  5
3  B  5
4  B  4
5  C  6

[6 rows x 2 columns]

In [76]:
df.groupby(''a'')[''b''].apply(list)

Out[76]:
a
A       [1, 2]
B    [5, 5, 4]
C          [6]
Name: b, dtype: object

Answer 3

Si el rendimiento es importante baje al nivel numpy:

import numpy as np

df = pd.DataFrame( {''a'':np.random.randint(0,60,600), ''b'':[1,2,5,5,4,6]*100})

def f(df):
         keys,values=df.sort_values(''a'').values.T
         ukeys,index=np.unique(keys,True)
         arrays=np.split(values,index[1:])
         df2=pd.DataFrame({''a'':ukeys,''b'':[list(a) for a in arrays]})
         return df2

Pruebas:

In [301]: %timeit f(df)
1000 loops, best of 3: 1.64 ms per loop

In [302]: %timeit df.groupby(''a'')[''b''].apply(list)
100 loops, best of 3: 5.26 ms per loop