Python: объединение уникальных идентификаторов и объединение значений в массив - PullRequest
Новая
       5

Python: объединение уникальных идентификаторов и объединение значений в массив

0 голосов
/ 30 августа 2018

У меня есть pandas DF, который выглядит так

DF: 

       name ;time_cost
        x   ;28800000, 250 
        x   ;39600000, 300 
        x   ;61200000, 250 
        x   ;72000000, 0 
        y   ;86400000, 0 
        y   ;115200000, 250 
        y   ;126000000, 300 
        y   ;147600000, 250
        y   ;158400000, 0

df.head().to_dict()
{'name': {0: 'x',
          1: 'x',
          2: 'x',
          3: 'x'},
 'time_cost': {0: '28800000, 250',
                1: '39600000, 300',
                2: '61200000, 250',
                0: '72000000, 0'}}

Я пытаюсь поместить все значения из time_cost в массив следующим образом: 

[[[28800000, 250],
[39600000, 300],
[61200000, 250],
[72000000, 0 ],
[86400000, 0 ]],
[[115200000, 250],
[126000000, 300],
[147600000, 250],
[158400000, 0]]]

Вот что я пробовал: 

    import pandas as pd

        df = pd.read_csv('file.csv', sep=';')
        def f(df):
            return pd.Series(dict(timecost_range = "%s" % '| '.join(df['time_cost'])))

        result = df.groupby('name').apply(f)
        result
                timecost_range
        name    
        x       28800000, 250| 39600000, 300| 61200000, 250| 72000000, 0
        y       86400000, 0| 115200000, 250| 126000000, 300| 147600000, 250|...

Это работает несколько, но не совсем то, что я ищу. Любые идеи или предложения будут полезны.

1 Ответ

0 голосов
/ 30 августа 2018

В моем примере данные: 

df= pd.DataFrame({'name': {0: 'x',
          1: 'x',
          2: 'x',
          3: 'y'},
 'time_cost': {0: '28800000, 250',
                1: '39600000, 300',
                2: '61200000, 250',
                3: '72000000, 0'}})

Шаг 1. Вы можете использовать что-то вроде этого, чтобы получить результат: 

def split_function(n):
    return n.split(',')

df['time_cost'] = df.time_cost.apply(split_function)

Выход: 

name         time_cost
0    x  [28800000,  250]
1    x  [39600000,  300]
2    x  [61200000,  250]
3    y    [72000000,  0]

Шаг 2. Если вам нужны два разных столбца в вашем DataFrame, вы можете использовать: 

df.time_cost.apply(pd.Series)

Выход: 

          0     1
0  28800000   250
1  39600000   300
2  61200000   250
3  72000000     0

Шаг 3. А затем присоединитесь к ним: 

df = df.join(df.time_cost.apply(pd.Series))

Вывод: 

name         time_cost         0     1
0    x  [28800000,  250]  28800000   250
1    x  [39600000,  300]  39600000   300
2    x  [61200000,  250]  61200000   250
3    y    [72000000,  0]  72000000     0

И затем вы можете использовать drop для удаления столбца "time_cost" и rename для переименования новых столбцов, если хотите.

Это то, что вы хотите? Я надеюсь, что это будет полезно.

UPD:

Шаг 4. Если вы хотите сгруппировать по имени, вы можете использовать это: 

df[0] = df[0].astype(int)
df[1] = df[1].astype(int)

def concat_function_0(df):
    return np.array(df[0])
def concat_function_1(df):
    return np.array(df[1])

df = pd.DataFrame([df.groupby('name').apply(concat_function_1), df.groupby('name').apply(concat_function_0)]).T

Это не питон, но работает =)

Выход: 

name               0                               1                                                 
x     [250, 300, 250]  [28800000, 39600000, 61200000]
y                 [0]                      [72000000]

UPD:

Шаг 5. Для вашего результата после первого шага используйте: 

def df_to_array(df):
    return list(df.time_cost)

result = df.groupby('name').apply(df_to_array).values

Выход: 

[[['28800000', ' 250'], ['39600000', ' 300'], ['61200000', ' 250']]
 [['72000000', ' 0']]]
...