将 pandas 数据框列转换为 numpy 数组，每个数组根据另一列中的值分隔答案

【问题标题】：Convert pandas dataframe column to numpy array with each separated based on value in otehr column将 pandas 数据框列转换为 numpy 数组，每个数组根据另一列中的值分隔
【发布时间】：2020-07-03 11:14:37
【问题描述】：

我有一个带有两列的 pandas 数据框，例如：

data = {'first_column':  [1.1, 2.1, 3.1, 4.1, 5.1, 6.1, 0.1, 0.2, 0.3, 0.4, 11, 12, 13],
        'second_column': [1, 1, 1, 1, 1, 1, 2, 2, 2, 2, 3, 3, 3]
        }

df = pd.DataFrame (data, columns = ['first_column','second_column'])

我想得到一个像下面这样的 numpy 数组：

array([[[1.1], [2.1], [3.1], [4.1], [5.1], [6.1]], [[0.1], [0.2], [0.3], [0.4]], [[11], [12], [13]]])

我无法做到这一点。

【问题讨论】：

标签： arrays python-3.x numpy list-comprehension numpy-ndarray

【解决方案1】：

这应该可以解决问题：

df.groupby(['second_column']).apply(lambda x: list(map(lambda el:[el], x['first_column'].to_list()))).values

我按您的第二列进行分组，并将每个组中的系列转换为列表。

list(map(lambda el:[el],...))

这部分将列表的每个元素转换为您在问题中提到的单个列表。

【讨论】：

【解决方案2】：

使用聚合的一种方式：

l = df.groupby("second_column")["first_column"].agg(list).tolist()
print(l)

输出：

[[1.1, 2.1, 3.1, 4.1, 5.1, 6.1], [0.1, 0.2, 0.3, 0.4], [11.0, 12.0, 13.0]]

【讨论】：