如何在 Pandas dataframe 中聚合一個累積列表？

Question

我有一個 Pandas dataframe 像下面這個。

    +--------+-------------------+
    | worker |  day  |    tasks  |
    +--------+-------------------+
    |   A    |   2   | 'read'    |
    |   A    |   9   | 'write'   |
    |   B    |   1   | 'read'    |
    |   B    |   2   | 'write'   |
    |   B    |   4   | 'execute' |
    +--------+-------------------+

我需要按[col_1, day]對 dataframe 進行分組，並獲得一個累積的任務列表。
例如，如果工人“A”在第 2 天有任務“讀取”，那么第 9 天的任務應該是['read', 'write']列表。

---

所需的 dataframe 如下所示：

    +--------+-------------------------------------+
    | worker |  day  |          aggregation        |
    +--------+-------------------------------------+
    |   A    |   2   | ['read']                    |
    |   A    |   9   | ['read', 'write']           |
    |   B    |   1   | ['read']                    |
    |   B    |   2   | ['read', 'write']           |
    |   B    |   4   | ['read', 'write', 'execute']|
    +--------+-------------------------------------+

---

我嘗試使用 cumsum

df = df.groupby(['worker', 'day'])['tasks'].apply(list).reset_index(name='aggregation').cumsum()

但它聚合了所有列的累積，而不是特定列的組內。

Answer 1

一種簡單的方法（盡管在性能方面並不理想——然后你再次將列表存儲在列中，因此你的里程會有所不同）是對列表進行groupby和cumsum 。

df['tasks'].map(lambda x: [x]).groupby(df['worker']).apply(pd.Series.cumsum) 

0                    [read]
1             [read, write]
2                    [read]
3             [read, write]
4    [read, write, execute]
Name: tasks, dtype: object

或者，非常相似，

(df.assign(tasks=df['tasks'].map(lambda x: [x]))
   .groupby('worker')['tasks']
   .apply(pd.Series.cumsum))

0                    [read]
1             [read, write]
2                    [read]
3             [read, write]
4    [read, write, execute]
Name: tasks, dtype: object

由於您要對對象（而不是數字數據）進行求和，因此我們需要應用pd.Series.cumsum而不是調用在GroupBy.cumsum列表上阻塞的 cythonized GroupBy.cumsum 。