使用 pandas python 從 csv 文件中以特定方式讀取

Question

我在 csv 文件中有一個數據，這里是一個示例：

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)

並在每個旁邊放上 secondnb 我相信你可以從所需的 output 中比我的解釋更好地理解：D

到目前為止我嘗試的是以下內容：

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 = []

我的代碼 output 這個：

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

Answer 1

Pandas 有一個內置的 function 來執行此操作，稱為 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())

這里我只打印子列表； 您可以將它們以您喜歡的任何格式（字符串、整數等）保存到新的 csv 中

Answer 2

首先，我按firstnb對數據進行分組，使用aggregate function 在secondnb中創建值list 。

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

通過把它變成一個dict ，我們得到：

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

我不太清楚最終的 output 應該是什么（純字符串、列表……），但從這里開始，很容易生成您想要的任何內容。

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()]

結果：

[[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)