如何按 id 将 pandas dataframe 拆分为数据帧列表？

Question

我有一个大的 pandas dataframe（大约 150000 行）。 我试过方法 groupby('id') 但返回组元组。 我只需要一个数据帧列表，然后将它们转换为 np 数组批次以放入自动编码器（如https://www.datacamp.com/community/tutorials/autoencoder-keras-tutorial但 1D）

所以我有一个 pandas 数据集：

data = {'Name': ['Tom', 'Joseph', 'Krish', 'John', 'John', 'John', 'John', 'Krish'], 'Age': [20, 21, 19, 18, 18, 18, 18, 18],'id': [1, 1, 2, 2, 3, 3, 3, 3]}  
# Create DataFrame  
df = pd.DataFrame(data)  
# Print the output.  
df.head(10)

我需要相同的 output （只是 pandas 数据帧的列表）。 另外，我需要一个未排序列表的列表，这很重要，因为它的时间序列。

data1 = {'Name': ['Tom', 'Joseph'], 'Age': [20, 21],'id': [1, 1]}  
data2 = {'Name': ['Krish', 'John', ], 'Age': [19, 18, ],'id': [2, 2]}  
data3 = {'Name': ['John', 'John', 'John', 'Krish'], 'Age': [18, 18, 18, 18],'id': [3, 3, 3, 3]}  
pd_1 = pd.DataFrame(data1)
pd_2 = pd.DataFrame(data2)
pd_3 = pd.DataFrame(data3)
array_list = [pd_1,pd_2,pd_3]
array_list

如何拆分 dataframe？

Answer 1

或者您可以尝试：

array_list = df.groupby(df.id.values).agg(list).to_dict('records')

Output ：

[{'Name': ['Tom', 'Joseph'], 'Age': [20, 21], 'id': [1, 1]},
 {'Name': ['Krish', 'John'], 'Age': [19, 18], 'id': [2, 2]},
 {'Name': ['John', 'John', 'John', 'Krish'],
  'Age': [18, 18, 18, 18],
  'id': [3, 3, 3, 3]}]

UPDATE ：

如果您需要 dataframe 列表：

df_list = [g for _,g in df.groupby('id')]
#OR
df_list = [pd.DataFrame(i) for i in df.groupby(df.id.values).agg(list).to_dict('records')]

要重置每个 dataframe 的索引：

df_list = [g.reset_index(drop=True) for _,g in df.groupby('id')]

Answer 2

让我们按id group并使用带有方向list的to_dict为每个id准备记录

[g.to_dict('list') for _, g in df.groupby('id', sort=False)]

---

[{'Name': ['Tom', 'Joseph'], 'Age': [20, 21], 'id': [1, 1]},
 {'Name': ['Krish', 'John'], 'Age': [19, 18], 'id': [2, 2]},
 {'Name': ['John', 'John', 'John', 'Krish'], 'Age': [18, 18, 18, 18], 'id': [3, 3, 3, 3]}]

Answer 3

我不确定你的需要，但这样的事情对你有用吗？

df = df.set_index("id")
[df.loc[i].to_dict("list") for i in df.index.unique()]

或者，如果您真的想将索引保留在列表中：

[df.query(f"id == {i}").to_dict("list") for i in df.id.unique()]

Answer 4

如果要创建存储值的新 DataFrame：

（如果您想创建一个列表，以前的答案更相关）这可以通过使用for循环遍历每个 id 并在每个循环中创建一个新的 dataframe 来解决。 关于groupby() function 的用法，我建议您参考#40498463和其他答案。 请注意，我已将 id 列的名称更改为 Id。

for Id, df in df.groupby("Id"):
    str1 = "df"
    str2 = str(Id)
    new_name = str1 + str2
    exec('{} = pd.DataFrame(df)'.format(new_name))

Output：

df1
     Name  Age  Id
0     Tom   20   1
1  Joseph   21   1

df2
    Name  Age  Id
2  Krish   19   2
3   John   18   2

df3
    Name  Age  Id
4   John   18   3
5   John   18   3
6   John   18   3
7  Krish   18   3