Python 基于属性对对象进行分组，并将列表中的其余列组合在一起，这样就得到了不可损坏的类型：“list”

我有一个目标：

obj = [
    {"mode":1,"items":[{"id":1}],"people":[{"id":8888}],"value":{"v":1000}},
    {"mode":1,"items":[{"id":1}],"people":[{"id":8888}],"value":{"v":2000}},
    {"mode":1,"items":[{"id":1}],"people":[{"id":9999}],"value":{"v":1000}},
    {"mode":1,"items":[{"id":1}],"people":[{"id":9999}],"value":{"v":2000}}
]

我想按模式、项目和值进行分组，并将人员值合并到一个列表中

所以我想得到的结果是：

resObj = [
    {"mode":1,"items":[{"id":1}],"people":[{"id":8888},{"id":9999}],"value":{"v":1000}}
    {"mode":1,"items":[{"id":1}],"people":[{"id":8888},{"id":9999}],"value":{"v":2000}}
]

当我这样做时：

>>> obj = [{"mode":1,"items":[{"id":1}],"people":[{"id":8888}],"value":{"v":1000}},{"mode":1,"items":[{"id":1}],"people":[{"id":8888}],"value":{"v":2000}},{"mode":1,"items":[{"id":1}],"people":[{"id":9999}],"value":{"v":1000}},{"mode":1,"items":[{"id":1}],"people":[{"id":9999}],"value":{"v":2000}}]

>>> import pandas as pd
>>> df = pd.DataFrame(obj)
>>> df.groupby(['items','mode','value'])['people'].apply(list)

我得到不可损坏的类型：“列表”

这是意料之中的，因为人是一个列表，但我如何才能实现我想要的？另一个问题是，条目也是一个列表，我一直在阅读groupby不适用于不可损坏的类型

有没有办法实现我需要的转变

编辑：我也尝试过：

>>> df['items']=df['items'].apply(lambda x: tuple(x))
>>> df['people']=df['people'].apply(lambda x: tuple(x))
>>> df.groupby(['items','mode','value'])['people'].apply(list)

但是现在我得到了不可破坏的dict类型。

应该避免复杂数据，例如数据帧单元格中的list/dict/tuple。也就是说，使用您的数据，您可以解压缩列表中的词典：

(df.groupby([
    'mode',
    df['items'].apply(lambda x: x[0]['id']),
    df['value'].apply(lambda x: x['v'])
], as_index=False).agg({'people':'sum',
                        'items':'first',
                        'value':'first'})
   .to_dict(orient='records')
)

输出：

[{'mode': 1, 'people': [{'id': 8888}, {'id': 9999}], 'items': [{'id': 1}], 'value': {'v': 1000}}, 
 {'mode': 1, 'people': [{'id': 8888}, {'id': 9999}], 'items': [{'id': 1}], 'value': {'v': 2000}}]

_items  mode  _value
1       1     1000      [{'id': 8888}, {'id': 9999}]
              2000      [{'id': 8888}, {'id': 9999}]
Name: people, dtype: object

应避免使用复杂数据，例如数据框单元格中的列表/目录/元组。也就是说，使用您的数据，您可以解压缩列表中的词典：

(df.groupby([
    'mode',
    df['items'].apply(lambda x: x[0]['id']),
    df['value'].apply(lambda x: x['v'])
], as_index=False).agg({'people':'sum',
                        'items':'first',
                        'value':'first'})
   .to_dict(orient='records')
)

输出：

[{'mode': 1, 'people': [{'id': 8888}, {'id': 9999}], 'items': [{'id': 1}], 'value': {'v': 1000}}, 
 {'mode': 1, 'people': [{'id': 8888}, {'id': 9999}], 'items': [{'id': 1}], 'value': {'v': 2000}}]

_items  mode  _value
1       1     1000      [{'id': 8888}, {'id': 9999}]
              2000      [{'id': 8888}, {'id': 9999}]
Name: people, dtype: object

---

不能按包含列表或dict的列分组，因为它们不可散列。所以事实上，people列不是问题所在，但是item和value列是问题所在。最简单的解决方案是将它们转换为字符串，以便用于分组

此示例显示了如何实现这一点：

df['_items'] = df['items'].apply(lambda item: ",".join([str(x['id']) for x in item]))
df['_value'] = df['value'].apply(lambda value: value['v'])
print(df.groupby(['_items','mode','_value'])['people'].sum())

输出：

[{'mode': 1, 'people': [{'id': 8888}, {'id': 9999}], 'items': [{'id': 1}], 'value': {'v': 1000}}, 
 {'mode': 1, 'people': [{'id': 8888}, {'id': 9999}], 'items': [{'id': 1}], 'value': {'v': 2000}}]

_items  mode  _value
1       1     1000      [{'id': 8888}, {'id': 9999}]
              2000      [{'id': 8888}, {'id': 9999}]
Name: people, dtype: object

---

不能按包含列表或dict的列分组，因为它们不可散列。所以事实上，people列不是问题所在，但是item和value列是问题所在。最简单的解决方案是将它们转换为字符串，以便用于分组

此示例显示了如何实现这一点：

df['_items'] = df['items'].apply(lambda item: ",".join([str(x['id']) for x in item]))
df['_value'] = df['value'].apply(lambda value: value['v'])
print(df.groupby(['_items','mode','_value'])['people'].sum())

输出：

[{'mode': 1, 'people': [{'id': 8888}, {'id': 9999}], 'items': [{'id': 1}], 'value': {'v': 1000}}, 
 {'mode': 1, 'people': [{'id': 8888}, {'id': 9999}], 'items': [{'id': 1}], 'value': {'v': 2000}}]

_items  mode  _value
1       1     1000      [{'id': 8888}, {'id': 9999}]
              2000      [{'id': 8888}, {'id': 9999}]
Name: people, dtype: object