Python pandas中的groupby和从输出数据帧中排除grouper列

我正在尝试按一个索引进行分组，这样它就可以将键保留为索引，但不会将键包含在每个组中

这是我的意思的一个例子

原始数据帧

ungroup_df=pd.DataFrame（{'col1'：[A'，'A'，'B'，'C'，'C'，'C'，'C']，'col2'：[8,5,1,4,1,2]，'col3'：[7,4,2,1,2,1]，'col4'：[1,8,0,2,0,0]}）

输出：

现在，我想从分组的数据帧创建一个numpy数组

grouped\u df=ungroup\u df.groupby（by='col1'，group\u keys=False）.应用（np.asarray）

这就是我得到的

| index | col1                                      | 
|-------|-------------------------------------------|
| A     | [[A, 8, 7, 1],[A, 5, 4, 8],[A, 8, 7, 1]]  |
| B     | [[B, 1, 2, 0]]                            |
| C     | [[C, 4, 1, 2], [C, 1, 2, 0], [C, 2, 1, 0]]|

这是我想要的

输出：

我可以在这里使用一些建议，因为我有点迷路了。我原以为“group_keys=False”会奏效，但事实并非如此。非常感谢您的帮助

---

谢谢

我通常不建议将列表存储在列中，但最明显的解决方法是确保不需要的列不会被分组

您可以通过以下两种方式指定

分组前将“col1”设置为索引，或

分组前删除“col1”，或

选择要分组的列

---

或者

或者

---

让我们试试

pd.Series.groupby

df = df.drop('col1',1).agg(list,1).groupby(df.col1).agg(list).reset_index(name='out')

---

嗯，输出似乎不正确，结果中应该只有整数。你能看一下吗？：-）@cs95太好了~修正了~谢谢你，曼希，第一个和第二个选项对我来说都很好。就这么简单！非常感谢：）

| index | col1                             | 
|-------|----------------------------------|
| A     | [[8, 7, 1],[5, 4, 8],[8, 7, 1]]  |
| B     | [[1, 2, 0]]                      |
| C     | [[4, 1, 2], [1, 2, 0], [2, 1, 0]]|

df.set_index('col1').groupby(level=0).apply(np.array)

col1
A               [[8, 7, 1], [5, 4, 8]]
B                          [[1, 2, 0]]
C    [[4, 1, 2], [1, 2, 0], [2, 1, 0]]

df.drop('col1', 1).groupby(df['col1']).apply(np.array)

col1
A               [[8, 7, 1], [5, 4, 8]]
B                          [[1, 2, 0]]
C    [[4, 1, 2], [1, 2, 0], [2, 1, 0]]

(df.groupby('col1')[df.columns.difference(['col1'])]
   .apply(lambda x: x.values.tolist()))

col1
A               [[8, 7, 1], [5, 4, 8]]
B                          [[1, 2, 0]]
C    [[4, 1, 2], [1, 2, 0], [2, 1, 0]]
dtype: object

df = df.drop('col1',1).agg(list,1).groupby(df.col1).agg(list).reset_index(name='out')

df
  col1                                out
0    A             [[8, 7, 1], [5, 4, 8]]
1    B                        [[1, 2, 0]]
2    C  [[4, 1, 2], [1, 2, 0], [2, 1, 0]]