如何根据列值从数据框中创建列表对象？

Question

对于下面的

df

，你如何创建下面想要的输出？我特别关注元组列表的列表。

import pandas as pd
df = pd.DataFrame({'x':['ab_c_1.0.0','ab_c_1.0.1','ab_c_1.0.2','ab_c_1.1.0','ab_c_1.1.1','ab_c_1.2.0','ab_c_1.3.0','ab_c_1.3.1'],
                   'y':['a','b','c','d','e','f','g','h'],
                   'z':['i','j','k','l','m','n','o','p']})
df
>>>
             x  y   z
0   ab_c_1.0.0  a   i
1   ab_c_1.0.1  b   j
2   ab_c_1.0.2  c   k
3   ab_c_1.1.0  d   l
4   ab_c_1.1.1  e   m
5   ab_c_1.2.0  f   n
6   ab_c_1.3.0  g   o
7   ab_c_1.3.1  h   p

期望的输出：

[[('a', 'i'), ('b', 'j'), ('c', 'k')],
 [('d', 'l'), ('e', 'm')],
 [('f', 'n')],
 [('g', 'o'), ('h', 'p')]]

到目前为止，我一直认为我可以结合这样的东西来获得，可以这么说，钥匙：

for a in df['x']:
    if a.endswith('.0'):

这个：

df.values.tolist()

然而，通过多个对象迭代多次显然是低效的。主要问题是除了检查

df

列中字符串的最后一位是否是

x

之外，我不能用任何常量来分割

0

，所以我不能使用滚动窗口或类似的东西.任何建议将不胜感激。

Answer 1

您可以使用列表理解和

groupby

：

out = [list(zip(g['y'], g['z'])) for k, g in
       df.groupby(df['x'].str.endswith('0').cumsum())]

将

x

的前导部分视为石斑鱼的变体，不包括最后一位数字：

out = [list(zip(g['y'], g['z'])) for k, g in
       df.groupby(df['x'].str.extract(r'(.*).\d', expand=False))]

输出：

[[('a', 'i'), ('b', 'j'), ('c', 'k')],
 [('d', 'l'), ('e', 'm')],
 [('f', 'n')],
 [('g', 'o'), ('h', 'p')]]

Answer 2

这里有一个方法：

res = ( df
    .assign(x=df.x.str.extract(r'[^.]*\.([^.]*)')).set_index('x')
    .apply(tuple, axis=1).groupby('x').agg(list).tolist() )

输出：

[[('a', 'i'), ('b', 'j'), ('c', 'k')], [('d', 'l'), ('e', 'm')], [('f', 'n')], [('g', 'o'), ('h', 'p')]]

请注意，传递给 extract() 的模式参数只是一个示例，可以对其进行调整以获得列

x

的任何组件对于其元组应在结果中组合在一起的所有行都是通用的。 （我使用的模式提取

x

列中以点分隔的字符串值中的第二个子字符串。）

Answer 3

我会首先在零开始的 x 列上找到索引。

left = 0 
right = 1
slices = []
column_x = df['x']
while right < len(df):
    if column_x[right][-1] == '0':
        slices.append((left, right))
        left = right 
    right += 1
slices.append((left, right))

我的切片数组显示了这些索引

[(0, 3), (3, 5), (5, 6), (6, 8)]

然后我将循环遍历所有切片，然后循环遍历切片的范围。

outer_list = []
for slice in slices:
    inner_list = []
    for index in range(slice[0], slice[1]):
        inner_list.append((df.iloc[index, 1], df.iloc[index, 2]))
    outer_list.append(inner_list)

print(outer_list)
[[('a', 'i'), ('b', 'j'), ('c', 'k')],
 [('d', 'l'), ('e', 'm')],
 [('f', 'n')],
 [('g', 'o'), ('h', 'p')]]

你会在 outer_list 列表中得到想要的结果