我在 python 中有以下 pandas DataFrame:
df = pd.DataFrame({'id': [1, 1, 2, 2, 3],
'field1': [1, 2, 3, 4, 5],
'field2': ['a', 'b', 'c', 'd', 'e']})
id field1 field2
0 1 1 a
1 1 2 b
2 2 3 c
3 2 4 d
4 3 5 e
我想按 id
对上表进行分组,然后将该组中所有选定的列值移动到一个新列中作为 python 字典列表。
所以从上面我想制作这个:
id fields
0 1 [{'field1': 1, 'field2': 'a'}, {'field1': 2, 'field2': 'b'}]
2 2 [{'field1': 3, 'field2': 'c'}, {'field1': 4, 'field2': 'd'}]
4 3 [{'field1': 5, 'field2': 'e'}]
我可以使用以下 python 代码实现此目的:
def test(df):
df['fields'] = [df[['field1', 'field2']].to_dict(orient='records')]*len(df)
return df
df.groupby('id').apply(test).drop_duplicates('id')[['id', 'fields']]
但我相信它可以做得更好。问题是如何? 我对这部分特别不满意:
df['fields'] = [df[['field1', 'field2']].to_dict(orient='records')]*len(df)
我必须制作一个包含组长度的列表,以便为行分配相同的字典值。 此外,这使它更需要内存。
最佳答案
也许
df.set_index('id').groupby(level=0).apply(pd.DataFrame.to_dict, orient='r')
id
1 [{'field1': 1, 'field2': 'a'}, {'field1': 2, 'field2': 'b'}]
2 [{'field1': 3, 'field2': 'c'}, {'field1': 4, 'field2': 'd'}]
3 [{'field1': 5, 'field2': 'e'}]
dtype: object
总是可以在末尾添加 .to_frame('fields')
以获得 df
。
关于python - 将 groupby 选定的列作为字典移动到新的 pandas 列中,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/58306885/