Pandas:在列中聚合列表值

Question

我有以下数据帧:

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'])

它看起来像这样:

   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

我想确定每辆车连续工作中出现的材料.例如,

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

我想避免使用for循环.有没有人对这个解决方案有什么建议？提前致谢..

Answer 1

您可以首先使用构造函数将数据收集到列表中pandas.DataFrame.groupby，然后将其作为函数：pandas.DataFrame.applylist

>>> 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非连续列表：

>>> 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]

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