Pandas 數據框：按某些列分組並從其余列創建列表

Question

我的示例數據框包含：

id1	id2	文本	元數據
惠普：001	做：001	文本1	元數據_1
惠普：001	做：001	text_2	元數據_2

我正在嘗試生成一個按id1和id2分組的新表，其中text和metadata將包含來自其各自記錄的術語列表：

id1	id2	文本	元數據
惠普：001	做：001	['text_1'，'text_2']	['元數據_1'，'元數據_2']

我嘗試將 groupby 與 apply 和 reset_index 一起使用，但我得到：

df = pd.DataFrame(data={"id1": ["HP:001", "HP:001"], 
                   "id2": ["DO:001", "DO:001"], 
                   "text": ["text_1", "text_2"], 
                   "metadata": ["metadata_1", "metadata_2"]})

outcome = df.groupby(["id1", "id2"]).apply(list)

結果是：

id1     id2   
HP:001  DO:001    [id1, id2, text, metadata]
dtype: object

我可以使用reset_index將結果解析為數據幀，但我不明白為什么我會得到一個列名列表而不是它們的內容作為結果。

Answer 1

更改適用於agg

outcome = df.groupby(["id1", "id2"]).agg(list)#.reset_index()

outcome
Out[372]: 
                           text                  metadata
id1    id2                                               
HP:001 DO:001  [text_1, text_2]  [metadata_1, metadata_2]

Answer 2

使用df.groupby(["id1", "id2"]).apply(list) ，您可以將其視為df.groupby(["id1", "id2"]).apply(lambda group: list(group))其中group是一個 DataFrame。 list(DataFrame)返回列名。