Python 将行转换为表中某列下的值列表

如何使用pandas获得所需的输出： 将行转换为列表列

输入格式：

col1 col2 col3 col4
1 a r1 2019-10-10
1A r2 2019-10-11
1 a r3 2019-10-12
2 b r4 2019-10-08
2 b r5 2019-10-09

所需输出：

col1 col2 col4新列
1a 2019-10-10[]
1A 2019-10-11[r1]
1A 2019-10-12[r1，r2]
2b 2019-10-08[]
2b 2019-10-09[r4]

我认为这应该可以完成这项工作！（假设日期列的类型为datetime而不是string）：

dictionary=df.groupby（by=['col1'，'col2']）。应用（lambda-df2:df2[['col3'，'col4']]。到dict（'index'））。到dict（）
定义my_func（col1_值、col2_值、my_日期、my_字典）：
df_bis=pd.DataFrame.from_dict（我的字典[（col1\u值，col2\u值）]，orient='index'）
返回df_bis[df_bis['col4']

@Hugues GALLIER，您做了一个很好的技巧，将数据帧复制到字典中，然后使用一个新的数据帧（col1，col2组合）为相关键重新创建它，然后根据条件进行过滤

@Sunny Kumar，我感谢您提出这个问题，因为我了解到在dataframe中保存列表对象正在失去幕后矢量化工作的能力。因此，在大多数情况下，最好将其另存为字符串，以便在使用时可以将其解释为numpy数组

我的解决方案与此相同，但使用数据帧的副本（而不是字典副本），我认为更简单：

df_temp = df.copy()

def prep_list(col1,col2,col4,df): 
    return df[(df.col1==col1) & (df.col2==col2) & (df.col4 < col4)].col3.to_list()

df['new_column'] = df.apply(lambda row: prep_list(row.col1,row.col2,row.col4,df_temp), axis=1) 

df_temp=df.copy（）
def准备清单（col1、col2、col4、df）：
返回df[（df.col1==col1）&（df.col2==col2）&（df.col4

标准是什么？规则是什么？对于小于当前日期（col4中的日期）的日期，将行转换为col1和col2组合的列表，并将其分配给新列。

df_temp = df.copy()

def prep_list(col1,col2,col4,df): 
    return df[(df.col1==col1) & (df.col2==col2) & (df.col4 < col4)].col3.to_list()

df['new_column'] = df.apply(lambda row: prep_list(row.col1,row.col2,row.col4,df_temp), axis=1)