Pandas DataFrame - 将具有相同索引的一列值组合到列表中

Python

在数据分析和处理过程中，经常会遇到将具有相同索引的一列值组合到列表中的需求。这种需求在使用Python的数据处理库Pandas中可以很方便地实现。本文将介绍如何使用Pandas来实现这一操作，并通过一个案例代码来加深理解。

案例代码：

假设我们有一个包含学生信息的DataFrame，其中包括学生姓名、年龄和成绩三列。我们想要将相同年龄的学生姓名组合成一个列表。下面是一个示例的DataFrame：

Python
import Pandas as pd
data = {
    '姓名': ['张三', '李四', '王五', '赵六', '钱七', '孙八'],
    '年龄': [18, 18, 19, 20, 20, 19],
    '成绩': [90, 85, 95, 88, 92, 91]
}
df = pd.DataFrame(data)

我们可以使用Pandas的groupby()方法来按照年龄进行分组，并将姓名列中的值组合成一个列表。代码如下：

Python
grouped = df.groupby('年龄')['姓名'].apply(list)

执行以上代码后，grouped变量将保存一个Series对象，其中索引为年龄，值为对应年龄下的学生姓名列表。我们可以通过打印grouped来查看结果：

Python
print(grouped)

输出结果如下：

年龄
18    [张三, 李四]
19    [王五, 孙八]
20    [赵六, 钱七]
Name: 姓名, dtype: object

从输出结果中可以看到，相同年龄的学生姓名已经按照要求组合成了列表。

使用Pandas DataFrame将具有相同索引的一列值组合到列表中

在上面的案例中，我们使用了Pandas的groupby()方法来按照年龄进行分组，并将姓名列中的值组合成了一个列表。这种操作在实际数据分析中非常常见，特别是对于一些需要统计分组数据的场景。

代码解析

首先，我们导入了Pandas库，并创建了一个包含学生信息的DataFrame。然后，我们使用groupby()方法，指定以年龄列为分组的依据，并通过apply()方法将姓名列中的值转换为列表。最后，我们将结果保存在一个Series对象中，并打印输出。

本文介绍了如何使用Pandas将具有相同索引的一列值组合到列表中。通过groupby()方法和apply()方法的结合使用，我们可以轻松地实现这一操作。这种方法在实际数据分析中非常有用，可以帮助我们更好地理解和处理数据。

参考代码

Python
import Pandas as pd
data = {
    '姓名': ['张三', '李四', '王五', '赵六', '钱七', '孙八'],
    '年龄': [18, 18, 19, 20, 20, 19],
    '成绩': [90, 85, 95, 88, 92, 91]
}
df = pd.DataFrame(data)
grouped = df.groupby('年龄')['姓名'].apply(list)
print(grouped)

输出结果：

年龄
18    [张三, 李四]
19    [王五, 孙八]
20    [赵六, 钱七]
Name: 姓名, dtype: object

通过以上案例代码的演示，我们可以清晰地了解如何使用Pandas来将具有相同索引的一列值组合到列表中。这种方法在实际的数据处理和分析中非常有用，可以帮助我们更好地理解数据并进行进一步的统计和分析工作。希望本文对你有所帮助！