將數據框中的數據分組以針對Pandas / Python中的唯一ID生成列表

Question

嗨，我正在使用pandas / python，並具有以下幾行的數據框：

21627   red
21627   green
21627   red
21627   blue
21627   purple
21628   yellow
21628   red
21628   green
21629   red
21629   red

我想簡化為：

21627   red, green, blue, purple
21628   yellow, red, green
21629   red

最好的方法是什么（將列表中的所有值折疊為唯一值）？

另外，如果我想保留冗余：

21627   red, green, red, blue, purple
21628   yellow, red, green
21629   red, red

實現此目標的最佳方法是什么？

在此先感謝您的幫助。

Answer 1

如果您確實想這樣做，可以使用groupby apply：

In [11]: df.groupby('id').apply(lambda x: list(set(x['colours'])))
Out[11]: 
id
21627    [blue, purple, green, red]
21628          [green, red, yellow]
21629                         [red]
dtype: object

In [12]: df.groupby('id').apply(lambda x: list(x['colours']))
Out[12]: 
id
21627    [red, green, red, blue, purple]
21628               [yellow, red, green]
21629                         [red, red]
dtype: object

但是，包含列表的DataFrame並不是特別有效。

數據透視表為您提供了更有用的DataFrame：

In [21]: df.pivot_table(rows='id', cols='colours', aggfunc=len, fill_value=0)
Out[21]: 
colours  blue  green  purple  red  yellow
id                                       
21627       1      1       1    2       0
21628       0      1       0    1       1
21629       0      0       0    2       0

我最喜歡的函數get_dummies可以使您做到這一點，但是卻不那么優雅或有效（但如果有任何建議，我會保留原來的建議）：

In [22]: pd.get_dummies(df.set_index('id')['colours']).reset_index().groupby('id').sum()
Out[22]: 
       blue  green  purple  red  yellow
id                                     
21627     1      1       1    2       0
21628     0      1       0    1       1
21629     0      0       0    2       0

Answer 2

這是另一種方式； 雖然@Andy有點直覺

In [24]: df.groupby('id').apply(
              lambda x: x['color'].value_counts()).unstack().fillna(0)
Out[24]: 
       blue  green  purple  red  yellow
id                                     
21627     1      1       1    2       0
21628     0      1       0    1       1
21629     0      0       0    2       0