Python 对于B列中的每个唯一值，可以获取A列中的唯一值列表

我发现这个问题很容易写出来，但很难应用到我的熊猫数据框架中。 当搜索任何“唯一值”和“列表”时，我只得到在列表中获取唯一值的答案

有一个具有双for循环的蛮力解决方案，但必须有一个比n^2更快的解决方案

我有一个包含两列的数据框：Name和Likes Food

作为输出，我希望为每个唯一的名称提供一个独特的食物值列表

数据帧df示例

Index        Name       Likes Food

0            Tim        Pizza
1            Marie      Pizza
2            Tim        Pasta
3            Tim        Pizza
4            John       Pizza
5            Amy        Pizza
6            Amy        Sweet Potatoes
7            Marie      Sushi
8            Tim        Sushi

我知道如何根据喜欢的食物的独特数量进行聚合和分组：

df.groupby( by='Name', as_index=False ).agg( {'Likes Food': pandas.Series.nunique} )
df.sort_values(by='Likes Food', ascending=False)
df.reset_index( drop=True )
>>>
Index        Name       Likes Food

0            Tim        3
1            Marie      2
2            Amy        2
3            John       1

但鉴于此，数据框中每个名称的食物是什么？为了可读性，用列表表示是很有意义的。列表排序并不重要（而且可能很容易修复）

示例输出

<code here>
>>>
Index        Name       Likes Food    Food List

0            Tim        3             [Pizza, Pasta, Sushi]
1            Marie      2             [Pizza, Sushi]
2            Amy        2             [Pizza, Sweet Potatoes]
3            John       1             [Pizza]

>>>
索引名称喜欢食物列表
0 Tim 3[比萨饼、意大利面、寿司]
1玛丽2[比萨饼，寿司]
2艾米2[比萨饼，红薯]
3约翰1[比萨饼]

要获得不带计数的输出，请尝试

此外，您还可以使用

---

要获得没有计数的输出，只需尝试

此外，您还可以使用

---

要同时对这两列进行排序，请尝试以下操作：

df = df.groupby("Name")["Likes_Food"].aggregate({'counts': 'nunique',
                                            'food_list': 'unique'}).reset_index().sort_values(by='counts', ascending=False)
df
   Name  counts               food_list
3    Tim       3   [Pizza, Pasta, Sushi]
0    Amy       2  [Pizza, SweetPotatoes]
2  Marie       2          [Pizza, Sushi]
1   John       1                 [Pizza]

---

要同时对这两列进行排序，请尝试以下操作：

df = df.groupby("Name")["Likes_Food"].aggregate({'counts': 'nunique',
                                            'food_list': 'unique'}).reset_index().sort_values(by='counts', ascending=False)
df
   Name  counts               food_list
3    Tim       3   [Pizza, Pasta, Sushi]
0    Amy       2  [Pizza, SweetPotatoes]
2  Marie       2          [Pizza, Sushi]
1   John       1                 [Pizza]

---

另外，如果熊猫

.25

+，你可以尝试

df.groupby（'Name'，sort=False.）.agg（Likes_Food=（'Likes'，'nunique'）、Food_List=（'Likes'，'unique'））

@Quickbeam2k1你应该使用

nunique

而不是

size

，如果你明白这很有效的话。谢谢我要花很长时间来学习这个语法…如果pandas

.25

+，你可以尝试

df.groupby（'Name'，sort=False.）.agg（Likes_Food=（'Likes'，'nunique'）、Food_List=（'Likes'，'unique'））

@Quickbeam2k1如果你知道这很有效的话，你应该使用

nunique

而不是

size

。谢谢我要花很长时间来学习这个语法。。。

df = df.groupby("Name")["Likes_Food"].aggregate({'counts': 'nunique',
                                            'food_list': 'unique'}).reset_index().sort_values(by='counts', ascending=False)
df
   Name  counts               food_list
3    Tim       3   [Pizza, Pasta, Sushi]
0    Amy       2  [Pizza, SweetPotatoes]
2  Marie       2          [Pizza, Sushi]
1   John       1                 [Pizza]