Pandas DataFrame-将具有相同索引的一列值组合到列表中

Question

我讨论这个问题已经有一段时间了，但没有结果。这几乎是一个重复的问题，至少有一个其他的问题在这里，但我不能完全弄清楚如何做，确切地说，我正在寻找从网上相关的答案。

我有一个熊猫数据帧（我们称之为df），看起来像：

Name    Value        Value2
'A'     '8.8.8.8'    'x'
'B'     '6.6.6.6'    'y'
'A'     '6.6.6.6'    'x'
'A'     '8.8.8.8'    'x'

其中Name是索引。我想将其转换为类似以下内容：

Name    Value                     Value2
'A'     ['8.8.8.8', '6.6.6.6']    'x'
'B'     ['6.6.6.6']               'y'

因此，基本上，每个对应于相同索引的值都应该组合到一个列表（或一个集合，或一个元组）中，该列表成为对应索引的值。并且，如图所示，Value2在相似的索引行之间是相同的，因此它最终应该保持不变。

我所做的（成功地）就是弄清楚如何将Value列中的每个元素放入一个列表，其中包含：

df['Value'] = pd.Series([[val] for val in df['Value']])

在我在本文开头链接的问题中，推荐的将列与重复索引相结合的方法提供了一个使用df.groupby（df.index.sum（）的解决方案。我知道除了df.index之外，我还需要一些东西作为groupby的参数，因为Value列被视为特殊列，我不确定应该用什么来代替sum（），因为这不是我想要的。

希望这是明确的我在寻找什么，让我知道，如果有什么我可以详细说明。我自己也尝试过简单地遍历数据帧，找到具有相同索引的行，将值组合到一个列表中，并相应地更新df。在尝试使用这种方法一段时间后，我想我应该寻找一种更类似熊猫的方法来处理这个问题。

编辑：作为dermen回答的后续，这个解决方案有点奏效。值似乎确实正确地连接到列表中。我意识到的一件事是，唯一的函数返回一个系列，而不是数据帧。此外，我在实际设置中确实有更多的列，而不仅仅是Name，Value和Value2。但是我认为我能够通过以下方法成功地解决这两个问题：

gb = df.groupby(tuple(df.columns.difference(['Value'])))
result = pd.DataFrame(gb['Value'].unique(), columns=df.columns)

其中，第一行为列列表减去值列的groupby提供参数，第二行将unique返回的系列转换为数据帧，其列与df相同。

但我认为，所有这些都到位了（除非有人认为这有问题），几乎所有事情都按预期进行。不过，这里似乎有点不对劲。当我试图将它输出到一个带有到_csv的文件时，顶部有重复的标题（但只有某些标题是重复的，据我所知，没有真正的模式）。另外，值列表被截断，这可能是一个更容易解决的问题。csv输出电流如下所示：

Name    Value                   Value2    Name    Value2
'A'     ['8.8.8.8' '7.7.7.7'    'x'                     
'B'     ['6.6.6.6']             'y'

上面的内容看起来很奇怪，但这正是它在输出中的表现。请注意，与本文开头的示例相反，假设A的值超过2个（因此我可以说明这一点）。当我对实际数据执行此操作时，值列表在前4个元素之后被切断。




Answer 1

我想你正在寻找使用熊猫。Series.unique。首先，使'Name'索引为列

df
#     Value2  Value
#Name              
#A         x    8.8
#B         y    6.6
#A         x    6.6
#A         x    8.8

df.reset_index(inplace=True)
#  Name Value2  Value
#0    A      x    8.8
#1    B      y    6.6
#2    A      x    6.6
#3    A      x    8.8

接下来调用Groupby并调用'Value'系列上的唯一的函数

gb = df.groupby(['Name','Value2'])
result = gb['Value'].unique()
result.reset_index(inplace=True) #lastly, reset the index
#  Name Value2       Value
#0    A      x  [8.8, 6.6]
#1    B      y       [6.6]

最后，如果您想再次使用'Name'作为索引，只需执行以下操作

result.set_index( 'Name', inplace=True)
#     Value2       Value
#Name                   
#A         x  [8.8, 6.6]
#B         y       [6.6]

作为后续行动，请确保在重置索引后重新分配结果

result = gb['Value'].unique()
type(result)
#pandas.core.series.Series

result = result.reset_index()
type(result)
#pandas.core.frame.DataFrame

您不想在此处使用CSV，因为值列条目中有逗号。相反，另存为TSV时，您仍然使用相同的方法来_csv，只需更改separg：

result.to_csv( 'result.txt', sep='\t')

如果将result.txt作为TSV加载到EXCEL中，则