Groupby 进入非连续值的列表

Question

我正在尝试按此数据集进行分组

    col1    col2
0   A   1
1   B   1
2   C   1
3   D   3
4   E   3
5   F   2
6   G   2
7   H   1
8   I   1
9   j   2
10  K   2

进入这个

1 : [A, B, C]
3: [D, E]
2: [ F; G]
1: [ H, I]
2: [ J,K]

所以它必须捕捉元素外观的差异，而不是一次分组。

到目前为止，我能够执行正常的 groupby， df.groupby("col2")["col1"].apply(list)但它不正确。

Answer 1

您需要通过比较不等于累积和的移位值来区分连续值，最后删除MultiIndex的第二级：

s = (df.groupby(["col2", df["col2"].ne(df["col2"].shift()).cumsum()])["col1"]
       .agg(list)
       .reset_index(level=1, drop=True))

Answer 2

由于 Jezrael 已经回答是使用 pandas。 我想添加非 pandas 方法。

我知道这不是一种有效的方法，但出于学习目的，我包括在内。

使用itertools's groupby

from itertools import groupby
last_index = 0
for v, g in groupby(enumerate(df.col2), lambda k: k[1]):
    l = [*g]
    print(df.iloc[last_index]['col2'],':', df.iloc[last_index:l[-1][0]+1]['col1'].values)
    last_index += len(l)

---

1 : ['A' 'B' 'C']
3 : ['D' 'E']
2 : ['F' 'G']
1 : ['H' 'I']
2 : ['j' 'K']