pandas 實(shí)現(xiàn)某一列分組,其他列合并成list
pandas列轉(zhuǎn)換為字典,但將相同第一列(鍵)的所有值合并為一個(gè)鍵
形式一:
import pandas as pd # data data = pd.DataFrame({'column1':['key1','key1','key2','key2'], 'column2':['value1','value2','value3','value3']}) print(data) # Grouped dict data_dict = data.groupby('column1').column2.apply(list).to_dict() print(data_dict)
輸出結(jié)果:
column1 column2 0 key1 value1 1 key1 value2 2 key2 value3 3 key2 value3 {'key1': ['value1', 'value2'], 'key2': ['value3', 'value3']}
形式二:
import pandas as pd # data df = pd.DataFrame({'column1':['key1','key1','key2','key2'], 'column2':['value1','value2','value1','value2'], 'column3':['value11','value11','value22','value22'], 'column4':['value44','value44','value55','value55']}) # Grouped dict data_dict = df.groupby('column1').apply(lambda x: {col:x[col].tolist() for col in x.columns if col != 'column2'}).to_dict() print(data_dict) data_dict2 = df.groupby('column1').apply(lambda x: {col:x[col].tolist()[0] if col != 'column2' else x[col].tolist() for col in x.columns}).to_dict() print(data_dict2)
輸出結(jié)果:
#data_dict { 'key1': { 'column1': ['key1', 'key1'], 'column3': ['value11', 'value11'], 'column4': ['value44', 'value44'] }, 'key2': { 'column1': ['key2', 'key2'], 'column3': ['value22', 'value22'], 'column4': ['value55', 'value55'] } } #data_dict2 { 'key1': { 'column1': 'key1', 'column2': ['value1', 'value2'], 'column3': 'value11', 'column4': 'value44' }, 'key2': { 'column1': 'key2', 'column2': ['value1', 'value2'], 'column3': 'value22', 'column4': 'value55' } }
補(bǔ)充:pandas中,利用groupby分組后,對(duì)字符串字段進(jìn)行合并拼接
在pandas里對(duì)于數(shù)值字段而言,groupby后可以用sum()、max()等方法進(jìn)行簡(jiǎn)單的處理,對(duì)于字符串字段, 如果把它們的值拼接在一起,可以用使用 str.cat() 和 lamda 方法。
如,將下面表格中的內(nèi)容,對(duì)skill字段按照id進(jìn)行分組合并
實(shí)現(xiàn)代碼:
import pandas as pd file_name='test.xlsx' df=pd.read_excel(file_name) data=df.groupby('id')['skill'].apply(lambda x:x.str.cat(sep=':')).reset_index() print(data)
效果如下:
另,數(shù)據(jù)處理時(shí),常常需要將某一列進(jìn)行拆分,分列,替換等,相關(guān)的函數(shù)有str.split()、str.extract()、str.replace().
以上為個(gè)人經(jīng)驗(yàn),希望能給大家一個(gè)參考,也希望大家多多支持腳本之家。如有錯(cuò)誤或未考慮完全的地方,望不吝賜教。
- pandas之分組統(tǒng)計(jì)列聯(lián)表pd.crosstab()問題
- Python?Pandas:DataFrame一列切分成多列、分隔符切分選字段方式
- Python pandas入門系列之眾數(shù)和分位數(shù)
- pandas將list數(shù)據(jù)拆分成行或列的實(shí)現(xiàn)
- Pandas實(shí)現(xiàn)一列數(shù)據(jù)分隔為兩列
- pandas 使用均值填充缺失值列的小技巧分享
- Python學(xué)習(xí)筆記之pandas索引列、過(guò)濾、分組、求和功能示例
- pandas數(shù)據(jù)分列實(shí)現(xiàn)分割符號(hào)&固定寬度
相關(guān)文章
Python搭建代理IP池實(shí)現(xiàn)接口設(shè)置與整體調(diào)度
這篇文章主要介紹了Python搭建代理IP池實(shí)現(xiàn)接口設(shè)置與整體調(diào)度,文中通過(guò)示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧2019-10-10Python實(shí)現(xiàn)RLE格式與PNG格式互轉(zhuǎn)
在機(jī)器視覺領(lǐng)域的深度學(xué)習(xí)中,很多數(shù)據(jù)集的標(biāo)注文件使用RLE的格式。但是神經(jīng)網(wǎng)絡(luò)的輸入一定是一張圖片,為此必須把RLE格式的文件轉(zhuǎn)變?yōu)閳D像格式。本文將利用Python實(shí)現(xiàn)RLE格式與PNG格式互轉(zhuǎn),感興趣的可以了解一下2022-08-08使用 Visual Studio Code(VSCode)搭建簡(jiǎn)單的Python+Djan
這篇文章主要介紹了使用 Visual Studio Code(VSCode)搭建簡(jiǎn)單的Python+Django開發(fā)環(huán)境的方法步驟,小編覺得挺不錯(cuò)的,現(xiàn)在分享給大家,也給大家做個(gè)參考。一起跟隨小編過(guò)來(lái)看看吧2018-12-12Python接口自動(dòng)化淺析數(shù)據(jù)驅(qū)動(dòng)原理
這篇文章主要介紹了Python接口自動(dòng)化淺析數(shù)據(jù)驅(qū)動(dòng)原理,文中會(huì)詳細(xì)描述怎樣使用openpyxl模塊操作excel及結(jié)合ddt來(lái)實(shí)現(xiàn)數(shù)據(jù)驅(qū)動(dòng),有需要的朋友可以參考下2021-08-08python開啟多個(gè)子進(jìn)程并行運(yùn)行的方法
這篇文章主要介紹了python開啟多個(gè)子進(jìn)程并行運(yùn)行的方法,涉及Python進(jìn)程操作的相關(guān)技巧,具有一定參考借鑒價(jià)值,需要的朋友可以參考下2015-04-04vscode寫python時(shí)的代碼錯(cuò)誤提醒和自動(dòng)格式化的方法
這篇文章主要介紹了vscode寫python時(shí)的代碼錯(cuò)誤提醒和自動(dòng)格式化的方法,文中通過(guò)示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧2020-05-05Python面向?qū)ο蟪绦蛟O(shè)計(jì)之類和對(duì)象、實(shí)例變量、類變量用法分析
這篇文章主要介紹了Python面向?qū)ο蟪绦蛟O(shè)計(jì)之類和對(duì)象、實(shí)例變量、類變量用法,結(jié)合實(shí)例形式分析了Python面向?qū)ο蟪绦蛟O(shè)計(jì)中類和對(duì)象、實(shí)例變量、類變量具體功能、原理、使用方法與操作注意事項(xiàng),需要的朋友可以參考下2020-03-03Pytorch?使用Google?Colab訓(xùn)練神經(jīng)網(wǎng)絡(luò)深度學(xué)習(xí)
本文以VOC數(shù)據(jù)集為例,因此在訓(xùn)練的時(shí)候沒有修改classes_path等,如果是訓(xùn)練自己的數(shù)據(jù)集,各位一定要注意修改classes_path等其它參數(shù)2022-04-04