Python 如何在数据帧中聚合累积列表？

我有一个像下面这样的熊猫数据框

    +--------+-------------------+
    | worker |  day  |    tasks  |
    +--------+-------------------+
    |   A    |   2   | 'read'    |
    |   A    |   9   | 'write'   |
    |   B    |   1   | 'read'    |
    |   B    |   2   | 'write'   |
    |   B    |   4   | 'execute' |
    +--------+-------------------+

我需要按[col_1，day]对数据帧进行分组，并获得一个精确的任务列表。
e、 g.如果工人“A”在第2天读取了任务“read”，则第9天的任务应为 [“读”、“写”]列表

---

所需的数据帧如下所示：

    +--------+-------------------------------------+
    | worker |  day  |          aggregation        |
    +--------+-------------------------------------+
    |   A    |   2   | ['read']                    |
    |   A    |   9   | ['read', 'write']           |
    |   B    |   1   | ['read']                    |
    |   B    |   2   | ['read', 'write']           |
    |   B    |   4   | ['read', 'write', 'execute']|
    +--------+-------------------------------------+

---

我试着用cumsum

df = df.groupby(['worker', 'day'])['tasks'].apply(list).reset_index(name='aggregation').cumsum()

---

但是它会对所有列进行累加，而不是对特定列的组内累加。

一个简单的方法（虽然性能不理想，但您还是将列表存储在列中，因此您的里程数会有所不同）是对列表执行

groupby

和

cumsum

df['tasks'].map(lambda x: [x]).groupby(df['worker']).apply(pd.Series.cumsum) 

0                    [read]
1             [read, write]
2                    [read]
3             [read, write]
4    [read, write, execute]
Name: tasks, dtype: object

或者，非常相似

(df.assign(tasks=df['tasks'].map(lambda x: [x]))
   .groupby('worker')['tasks']
   .apply(pd.Series.cumsum))

0                    [read]
1             [read, write]
2                    [read]
3             [read, write]
4    [read, write, execute]
Name: tasks, dtype: object

---

由于您是cumsuming对象（而不是数字数据），我们需要应用

pd.Series.cumsum

而不是调用被python列表阻塞的cythonized

GroupBy.cumsum

。

df['tasks'].map（lambda x:[x]）.cumsum（）在
list
上工作，而
df['tasks'].map（lambda x:[x]）.GroupBy（df['worker']）.cumsum（）
不要，这背后的原因是什么？任何内部实现限制？@ShubhamSharma不确定，但它看起来像是
GroupBy.cumsum
是cythonized，默认情况下需要数字数据。我想这是某种错误，但不是一个大错误。@cs95，非常感谢您提供的详细答案。这真的很有帮助。