我如何获取groupby在熊猫数据框中组合的行值列表

Question

假设我有以下数据框：

#!/usr/bin/env python
import pandas as pd

df = pd.DataFrame([(1, 2, 1),
                   (1, 2, 2),
                   (1, 2, 3),
                   (4, 1, 612),
                   (4, 1, 612),
                   (4, 1, 1),
                   (3, 2, 1),
                   ],
                  columns=['groupid', 'a', 'b'],
                  index=['India', 'France', 'England', 'Germany', 'UK', 'USA',
                         'Indonesia'])
print(df)

给出：

           groupid  a    b
India            1  2    1
France           1  2    2
England          1  2    3
Germany          4  1  612
UK               4  1  612
USA              4  1    1
Indonesia        3  2    1

步骤1

此步骤可能不是必需的/与我想象的不同。实际上，我只对步骤2感兴趣，但是拥有它可以帮助我思考并解释我想要的。

我想按GroupID（df.groupby(df['groupid'])）将数据分组并获得类似的内容：

    groupid  a    b
          1  [2]  [1, 2, 3]
          4  [1]  [612, 1]
          3  [2]  [1]

步骤2

然后，我想找到所有在B列中只有一个条目的组ID，并且该条目等于1。

同样，我想找到所有具有多个条目的组ID或一个不是1的条目。

Answer 1

您可以比较 set s，然后将索引值与 list s：

获得

mask = df.groupby('groupid')['b'].apply(set) == set([1])
print (mask)
groupid
1    False
3     True
4    False
Name: b, dtype: bool
i = mask.index[mask].tolist()
print (i)
[3]
j = mask.index[~mask].tolist()
print (j)
[1, 4]

新列使用map：

df['new'] = df['groupid'].map(df.groupby('groupid')['b'].apply(set) == set([1]))
print (df)
           groupid  a    b    new
India            1  2    1  False
France           1  2    2  False
England          1  2    3  False
Germany          4  1  612  False
UK               4  1  612  False
USA              4  1    1  False
Indonesia        3  2    1   True

旧解决方案：

您可以将transform与nunique一起使用与原始DF相同的新Series，因此可以将其与1进行比较以获得唯一性，然后将另一种条件与1进行比较：

mask = (df.groupby('groupid')['b'].transform('nunique') == 1) & (df['b'] == 1)
print (mask)
India        False
France       False
England      False
Germany      False
UK           False
USA          False
Indonesia     True
Name: b, dtype: bool

对于list S中的唯一值：

i = df.loc[mask, 'groupid'].unique().tolist()
print (i)
[3]
j = df.loc[~mask, 'groupid'].unique().tolist()
print (j)
[1, 4]

细节：

print (df.groupby('groupid')['b'].transform('nunique'))
India        3
France       3
England      3
Germany      2
UK           2
USA          2
Indonesia    1
Name: b, dtype: int64

Answer 2

iiuc您可以应用列表，并使用.str I.SE

检查长度

temp = df.groupby('groupid')['b'].apply(list).to_frame()
temp
                   b
groupid               
1            [1, 2, 3]
3                  [1]
4        [612, 612, 1]
mask = (temp['b'].str.len() == 1) & (temp['b'].str[0] == 1) 
temp[mask].index.tolist()
#[3]
temp[~mask].index.tolist()
#[1, 4]

Answer 3

我会选择

#group by the group id and than apply count for how many b entries are equal to 1 
groups = df.groupby("groupid").apply(lambda group:len([x for x in 
group["b"].values.tolist() if x == 1]))
#keep the groups containing 1 b equal to 1 
groups = groups[groups == 1]
#print the indecies of the result (the groupid values)
print groups.index.values