使用 pandas python 从 csv 文件中以特定方式读取

Question

我在 csv 文件中有一个数据，这里是一个示例：

firstnb,secondnb,distance
901,19011,459.73618164837535
901,19017,492.5540450352788
901,19018,458.489289271722
903,13019,167.46632044684435
903,13020,353.16001204909657

所需的 output：

901,19011,19017,19018
903,13019,13020

正如您在 output 中看到的，我想使用 firstnb 列 (901/903)

并在每个旁边放上 secondnb 我相信你可以从所需的 output 中比我的解释更好地理解：D

到目前为止我尝试的是以下内容：

import pandas as pd
import csv
df = pd.read_csv('test.csv')
    with open('neighborList.csv','w',newline='') as file:
        writer = csv.writer(file)
        secondStation = []
        for row in range(len(df)):
            firstStation = df['firstnb'][row]
            for x in range(len(df)):
                if firstStation == df['firstnb'][x]:
                    secondStation.append(df['secondnb'][x])
                    # line = firstStation ,secondStation
                    # writer.writerow(line)        
            print(firstStation,secondStation)
            secondStation = []

我的代码 output 这个：

901 [19011, 19017, 19018]
901 [19011, 19017, 19018]
901 [19011, 19017, 19018]
903 [13019, 13020]
903 [13019, 13020]

Answer 1

Pandas 有一个内置的 function 来执行此操作，称为 groupby：

df = pd.read_csv(YOUR_CSV_FILE) 
df_grouped = list(df.groupby(df['firstnb'])) # group by first column

# chain keys and values into merged list
for key, values in df_grouped:
    print([key] + values['secondnb'].tolist())

这里我只打印子列表； 您可以将它们以您喜欢的任何格式（字符串、整数等）保存到新的 csv 中

Answer 2

首先，我按firstnb对数据进行分组，使用aggregate function 在secondnb中创建值list 。

df[['firstnb','secondnb']].groupby('firstnb').aggregate(func=list).to_dict()

通过把它变成一个dict ，我们得到：

{'secondnb': {901: [19011, 19017, 19018], 903: [13019, 13020]}}

我不太清楚最终的 output 应该是什么（纯字符串、列表……），但从这里开始，很容易生成您想要的任何内容。

例如，列表列表：

intermediate = df[['firstnb','secondnb']].groupby('firstnb').aggregate(func=list).to_dict()

[[k] + v for k,v in intermediate['secondnb'].items()]

结果：

[[901, 19011, 19017, 19018], [903, 13019, 13020]]

Answer 3

def toList(a):
  res = []
  for r in a:
    res.append(r)
  return res

df.groupby('firstnb').agg(toList)