web-dev-qa-db-ja.com

Pandas-列でグループ化し、データをnumpy配列に変換します

次のデータフレームがある場合、グループAには4つのサンプル、B 3のサンプル、C 1のサンプルがあります。

  group   data_1   data_2
0     A        1        4
1     A        2        5
2     A        3        6
3     A        4        7
4     B        1        4
5     B        2        5
6     B        3        6
7     C        1        4

データをnumpy配列に変換したいと思います。各行は、すべてのサンプルを持つグループであり、サンプルが少ないグループのゼロパディングです。

次のような配列になります：

[
   [[1,4],[2,5],[3,6],[4,7]], # this is A group 4 samples
   [[1,4],[2,5],[3,6],[0,0]], # this is B group 3 samples
   [[1,4],[0,0],[0,0],[0,0]], # this is C group 1 sample
]
pythonpandaspivotgrouping
10
Shlomi Schwartz

最初に欠落している値を追加する必要があります- unstack および stack を使用した最初のソリューション、カウンターシリーズは cumcount 。

2番目のソリューションは reindex by MultiIndexを使用します。

最後にgroupbyでラムダ関数を使用し、 values でnumpy配列に変換し、最後にリストに：

g = df.groupby('group').cumcount()
L = (df.set_index(['group',g])
       .unstack(fill_value=0)
       .stack().groupby(level=0)
       .apply(lambda x: x.values.tolist())
       .tolist())
print (L)

[[[1, 4], [2, 5], [3, 6], [4, 7]], 
 [[1, 4], [2, 5], [3, 6], [0, 0]], 
 [[1, 4], [0, 0], [0, 0], [0, 0]]]

別の解決策：

g = df.groupby('group').cumcount()
mux = pd.MultiIndex.from_product([df['group'].unique(), g.unique()])
L = (df.set_index(['group',g])
       .reindex(mux, fill_value=0)
       .groupby(level=0)['data_1','data_2']
       .apply(lambda x: x.values.tolist())
       .tolist()
)
8
jezrael