如何使用pandas快速对数据帧中的多个数据要素进行分组

Question

假设这是我的原始数据：

data = {'library_id': ['A123', 'A456','B123', 'A123', 'A123', 'B123', 'A456'],
     'school': ['A1','A', 'B', 'A', 'A2', 'B', 'A'],
     'charge ($)': [5.0, 10.0, 3.0, 2.5, 1.0, 4.0, 2.5], 
     'check_in_month': [12, 3, 4, 5, 4, 9, 5]}
library =pd.DataFrame(data)

​

​

我正在尝试得到这样的结果：

​

​

下面是我用来获得结果的代码：

df = pd.DataFrame(library.library_id.value_counts())

school_list = []
for i in df.index:
    school_list.append(library[library.library_id == i].school.unique())
df['school'] = school_list
df  

我的问题是如何避免使用列表(即school_list = [])来获得相同的结果。因为当我有大量数据时，使用列表将数据追加到数据框中非常耗时。有没有其他更快的方法？

Answer 1

您可以尝试：

result = library.groupby("library_id").agg({"library_id": "size", "school": "unique"})

要获得

            library_id       school
library_id
A123                 3  [A1, A, A2]
A456                 2          [A]
B123                 2          [B]

我们按library_id分组，然后agg在组size和unique条目上对其进行重新排序。

如果不希望library_id出现在索引的顶部，可以编写result.index.name = None，因为它是result的索引名。