Pandas 如何将dataframe行进行归类并分组成列表

2024-07-09 02:30| 来源: 网络整理| 查看: 265

在本文中，我们将介绍如何使用Pandas中groupby函数对dataframe进行分组，并将每个分组中的行合并为一个列表。

阅读更多：Pandas 教程

什么是groupby函数？

groupby是Pandas中的一个非常强大的函数，用于将数据集按指定的列或多列进行分组。通过groupby函数，我们可以很方便地对数据集进行聚合、统计和转换操作。

下面我们来看一个例子，首先创建一个包含年份、季度和销售额的dataframe。

import pandas as pd import numpy as np df = pd.DataFrame({ 'Year': [2018, 2018, 2018, 2019, 2019, 2019], 'Quarter': [1, 2, 3, 1, 2, 3], 'Sales': [100, 200, 150, 300, 250, 200] })

我们可以使用groupby函数将数据集按“Year”列进行分组，并计算每个分组的销售总额。

grouped = df.groupby('Year') grouped['Sales'].sum()

输出结果：

Year 2018 450 2019 750 Name: Sales, dtype: int64

可以看到，通过groupby函数，我们先按“Year”列进行了分组，然后对每个分组的“Sales”列进行了求和操作。

如何将行合并为列表？

我们可以通过groupby函数对数据集进行分组，然后使用apply函数对每个分组中的行进行操作。例如，我们可以将分组中的所有行合并为一个列表。

grouped = df.groupby('Year')['Sales'].apply(list)

输出结果：

Year 2018 [100, 200, 150] 2019 [300, 250, 200] Name: Sales, dtype: object

可以看到，这里我们先按“Year”列进行了分组，然后对每个分组中的“Sales”列应用了list函数，从而将分组中的所有行合并为一个列表。

我们还可以将apply函数中的自定义函数传递给列表，来实现更加复杂的操作。例如，我们可以在列表中添加额外的元素。

def add_prefix(lst, prefix): return [prefix + str(x) for x in lst] grouped = df.groupby('Year')['Sales'].apply(lambda x: add_prefix(x, 'Sales_'))

输出结果：

Year 2018 [Sales_100, Sales_200, Sales_150] 2019 [Sales_300, Sales_250, Sales_200] Name: Sales, dtype: object

可以看到，这里我们将lambda函数传递到apply函数中，然后在这个lambda函数中使用add_prefix函数来对分组中的“Sales”列进行操作，实现了在每个元素前面添加“Sales_”前缀的逻辑。

总结

本文介绍了如何使用Pandas中的groupby函数对数据集进行分组，并将每个分组中的行合并为一个列表。通过这个方法，我们可以很方便地对数据集进行聚合、统计和转换操作，实现数据的分析和可视化。希望本文能对大家在使用Pandas进行数据分析时有所帮助。

【本文地址】

公司简介

联系我们