pandas:groupby期间的聚合数组，相当于SQL'；s数组_agg？

我得到了这个数据帧：

df1 = pd.DataFrame([
    { 'id': 1, 'spend': 60, 'store': 'Stockport' },
    { 'id': 2, 'spend': 68, 'store': 'Didsbury' },
    { 'id': 3, 'spend': 70, 'store': 'Stockport' },
    { 'id': 4, 'spend': 35, 'store': 'Didsbury' },
    { 'id': 5, 'spend': 16, 'store': 'Didsbury' },
    { 'id': 6, 'spend': 12, 'store': 'Didsbury' },
])

我已按商店对其进行了分组，并得到了按商店列出的总花费：

df.groupby("store").agg({'spend': 'sum'})\
    .reset_index().sort_values("spend", ascending=False)

store        spend   
Didsbury     131  
Stockport    130 

是否有一种方法可以将每个存储的ID作为分组对象中的一列获取？类似于Postgres中的

ARRAY\u AGG

？因此，期望的输出是：

store        spend   ids
Didsbury     131     [2,4,5,6]
Stockport    130     [1,3]

---

您可以为

id

列传递

list

like聚合函数：

df = (df1.groupby("store").agg({'spend': 'sum', 'id':list})
         .reset_index() 
         .sort_values("spend", ascending=False))
print (df)
       store  spend            id
0   Didsbury    131  [2, 4, 5, 6]
1  Stockport    130        [1, 3]

---

您可以为

id

列传递

list

like聚合函数：

df = (df1.groupby("store").agg({'spend': 'sum', 'id':list})
         .reset_index() 
         .sort_values("spend", ascending=False))
print (df)
       store  spend            id
0   Didsbury    131  [2, 4, 5, 6]
1  Stockport    130        [1, 3]

我们可以使用，这是一种可用的聚合方法，因为

pandas>=0.25.0

请注意，我们可以立即将列重命名为“ids”：

我们可以使用，这是一种可用的聚合方法，因为

pandas>=0.25.0

请注意，我们可以立即将列重命名为“ids”：

---

明亮的谢谢-不知道添加了这个方法。太棒了！谢谢-不知道添加了该方法。

       store  spend           ids
0   Didsbury    131  [2, 4, 5, 6]
1  Stockport    130        [1, 3]