操作：如果其他列行重复，则新列包含值列表[重复]

Question

我有这样一个df：

ID   Cluster Product 
 1         4     'b'  
 1         4     'f'
 1         4     'w'
 2         7     'u'
 2         7     'b'
 3         5     'h'
 3         5     'f'
 3         5     'm'
 3         5     'd'
 4         7     's'
 4         7     'b'
 4         7     'g'

其中ID是另一个df的主键和唯一键，该df是此df的源。集群不是密钥，不同的ID通常具有相同的集群值；不管怎么说，这是我必须掌握的信息。

我想获得的是这个数据框：

ID   Cluster    Product_List_by_ID 
 1         4     ['b','f','w'] 
 2         7     ['u','b']
 3         5     ['h','f','m','d']
 4         7     ['s','b','g']

如果这是不可能的，像这样的字典也可以：

d = {ID:[1,2,3,4], Cluster:[4,7,5,7], 
     Product_List_by_ID:[['b','f','w'],['u','b'],['h','f','m','d'],['s','b','g']]}

我试过很多方法都没有成功。。似乎无法将列表作为数据帧值插入。。无论如何，我认为以某种巧妙的方式进球应该不会那么困难。。对不起，如果我想不起来了，但我对编码是新手

有什么建议吗？！谢啦

Answer 1

另一个解决方案是首先删除'从列产品如果需要通过str.strip：

df.Product = df.Product.str.strip("'")

然后Groupby与应用，最后如果需要字典使用to_dict与参数orient='list'

print (df.groupby(['ID', 'Cluster'])
         .Product.apply(lambda x: x.tolist())
         .reset_index()
         .to_dict(orient='list'))

{'Cluster': [4, 7, 5, 7], 
'ID': [1, 2, 3, 4], 
'Product': [['b', 'f', 'w'], ['u', 'b'], 
            ['h', 'f', 'm', 'd'], ['s', 'b', 'g']]}

Answer 2

使用groupby

df.groupby(['ID', 'Cluster']).Product.apply(list)

ID  Cluster
1   4               ['b', 'f', 'w']
2   7                    ['u', 'b']
3   5          ['h', 'f', 'm', 'd']
4   7               ['s', 'b', 'g']
Name: Product, dtype: object