Pandas：在列中聚合列表值

Question

我有以下数据框：

data = {'VehID' : pd.Series([10000,10000,10000,10001,10001,10001,10001]),
        'JobNo' : pd.Series([1,2,2,1,2,3,3]),
        'Material' : pd.Series([5005,5100,5005,5888,5222,5888,5222])}
df   = pd.DataFrame(data, columns=['VehID','JobNo','Material'])

看起来像这样：

   VehID    JobNo  Material
0  10000      1      5005
1  10000      2      5100
2  10000      2      5005
3  10001      1      5888
4  10001      2      5222
5  10001      3      5888
6  10001      3      5222

我想确定每辆车的连续作业中出现的材料。例如，

VehID  Material  Jobs
10000    5005    [1,2]
10001    5222    [2,3]

我想避免使用 for 循环。有没有人对此有任何建议？提前谢谢..

Answer 1

您可以先使用pandas.DataFrame.groupby 将数据收集到列表中，然后使用pandas.DataFrame.apply 将pandas.DataFrame.apply 构造函数作为函数：

>>> res = df.groupby(['VehID', 'Material'])['JobNo'].apply(list).reset_index()
>>> res
   VehID  Material   JobNo
0  10000      5005  [1, 2]
1  10000      5100     [2]
2  10001      5222  [2, 3]
3  10001      5888  [1, 3]

现在您可以过滤掉所有不连续的列表：

>>> f = res.JobNo.apply(lambda x: len(x) > 1 and sorted(x) == range(min(x), max(x)+1))
>>> res[f]
   VehID  Material   JobNo
0  10000      5005  [1, 2]
2  10001      5222  [2, 3]

您可能可以使用更智能的功能来加速它 - 首先将已排序的列表存储在 res 中，然后检查具有相同长度范围的 min、max 和 len