形式一：

import pandas as pd 
# data
data = pd.DataFrame({'column1':['key1','key1','key2','key2'],
    'column2':['value1','value2','value3','value3']})
print(data) 
# Grouped dict
data_dict = data.groupby('column1').column2.apply(list).to_dict() 
print(data_dict)

輸出結(jié)果：

 column1 column2
0  key1 value1
1  key1 value2
2  key2 value3
3  key2 value3 
{'key1': ['value1', 'value2'], 'key2': ['value3', 'value3']}

形式二：

import pandas as pd
# data
df = pd.DataFrame({'column1':['key1','key1','key2','key2'],
    'column2':['value1','value2','value1','value2'],
    'column3':['value11','value11','value22','value22'],
    'column4':['value44','value44','value55','value55']}) 
# Grouped dict
data_dict = df.groupby('column1').apply(lambda x: {col:x[col].tolist() for col in x.columns if col != 'column2'}).to_dict()
print(data_dict) 
data_dict2 = df.groupby('column1').apply(lambda x: {col:x[col].tolist()[0] if col != 'column2' else x[col].tolist() for col in x.columns}).to_dict()
print(data_dict2)

輸出結(jié)果：

#data_dict
{
  'key1': {
    'column1': ['key1', 'key1'], 
    'column3': ['value11', 'value11'], 
    'column4': ['value44', 'value44']
  }, 
  'key2': {
    'column1': ['key2', 'key2'], 
    'column3': ['value22', 'value22'], 
    'column4': ['value55', 'value55']
  }
}
#data_dict2
{
  'key1': {
    'column1': 'key1', 
    'column2': ['value1', 'value2'], 
    'column3': 'value11', 
    'column4': 'value44'
  }, 
  'key2': {
    'column1': 'key2', 
    'column2': ['value1', 'value2'], 
    'column3': 'value22', 
    'column4': 'value55'
  }
}

補(bǔ)充：pandas中，利用groupby分組后，對(duì)字符串字段進(jìn)行合并拼接

在pandas里對(duì)于數(shù)值字段而言，groupby后可以用sum()、max()等方法進(jìn)行簡(jiǎn)單的處理，對(duì)于字符串字段，如果把它們的值拼接在一起，可以用使用 str.cat() 和 lamda 方法。

如，將下面表格中的內(nèi)容，對(duì)skill字段按照id進(jìn)行分組合并

實(shí)現(xiàn)代碼：

import pandas as pd
file_name='test.xlsx'
df=pd.read_excel(file_name)
data=df.groupby('id')['skill'].apply(lambda x:x.str.cat(sep=':')).reset_index()
print(data)

效果如下：

另，數(shù)據(jù)處理時(shí)，常常需要將某一列進(jìn)行拆分，分列，替換等，相關(guān)的函數(shù)有str.split()、str.extract()、str.replace().

以上為個(gè)人經(jīng)驗(yàn)，希望能給大家一個(gè)參考，也希望大家多多支持腳本之家。如有錯(cuò)誤或未考慮完全的地方，望不吝賜教。

您可能感興趣的文章:

Pandas中DataFrame的分組/分割/合并的實(shí)現(xiàn)
pandas 實(shí)現(xiàn)分組后取第N行
pandas分組排序如何獲取第二大的數(shù)據(jù)
pandas group分組與agg聚合的實(shí)例
pandas groupby分組對(duì)象的組內(nèi)排序解決方案
pandas組內(nèi)排序,并在每個(gè)分組內(nèi)按序打上序號(hào)的操作

標(biāo)簽：山西喀什長(zhǎng)沙崇左海南山西濟(jì)南安康

巨人網(wǎng)絡(luò)通訊聲明：本文標(biāo)題《pandas 實(shí)現(xiàn)某一列分組,其他列合并成list》，本文關(guān)鍵詞；如發(fā)現(xiàn)本文內(nèi)容存在版權(quán)問(wèn)題，煩請(qǐng)?zhí)峁┫嚓P(guān)信息告之我們，我們將及時(shí)溝通與處理。本站內(nèi)容系統(tǒng)采集于網(wǎng)絡(luò)，涉及言論、版權(quán)與本站無(wú)關(guān)。