Pandas - Groupby多列

Question

我试图按多个列进行分组，并对它们进行分组，以便它们在分组后成为列表。

目前，DataFrame看起来是这样的：

我试图用这个：

grouped = DataFrame.groupby(['jobname', 'block'], axis=0) 
DataFrame= grouped.aggregate(lambda x: list(x)) 

然而，当我申请这IPython的，它给了我这个错误：

--------------------------------------------------------------------------- 
ValueError        Traceback (most recent call last) 
<ipython-input-221-97113b757fa1> in <module>() 
----> 1 cassandraFrame_2 = grouped.aggregate(lambda x: list(x)) 
     2 cassandraFrame_2 

/usr/local/lib/python2.7/dist-packages/pandas/core/groupby.pyc in aggregate(self, arg, *args, **kwargs) 
    2867 
    2868    if self.grouper.nkeys > 1: 
-> 2869     return self._python_agg_general(arg, *args, **kwargs) 
    2870    else: 
    2871 

/usr/local/lib/python2.7/dist-packages/pandas/core/groupby.pyc in _python_agg_general(self, func, *args, **kwargs) 
    1166   for name, obj in self._iterate_slices(): 
    1167    try: 
-> 1168     result, counts = self.grouper.agg_series(obj, f) 
    1169     output[name] = self._try_cast(result, obj) 
    1170    except TypeError: 

/usr/local/lib/python2.7/dist-packages/pandas/core/groupby.pyc in agg_series(self, obj, func) 
    1633    return self._aggregate_series_fast(obj, func) 
    1634   except Exception: 
-> 1635    return self._aggregate_series_pure_python(obj, func) 
    1636 
    1637  def _aggregate_series_fast(self, obj, func): 

/usr/local/lib/python2.7/dist-packages/pandas/core/groupby.pyc in _aggregate_series_pure_python(self, obj, func) 
    1667     if (isinstance(res, (Series, Index, np.ndarray)) or 
    1668       isinstance(res, list)): 
-> 1669      raise ValueError('Function does not reduce') 
    1670     result = np.empty(ngroups, dtype='O') 
    1671 

ValueError: Function does not reduce 

最终，我想g将相同的作业名组合在一起，但是数据是一个元组列表，现在它是一个3元组元组。

例如：

jobname  block   data 
Complete-Test Simple_buff (tuple_1) 
Complete-Test Simple_buff (tuple_2) 

总结：

jobname  block   data 
Complete-Test Simple_buff [(tuple_1),(tuple_2)] 

我能集团通过jobname，但是，这种聚合了block在一起，但我想保持独立blocks。

有人能指引我走向正确的方向吗？

感谢

Answer 1

貌似有一个明确的检查是由聚合函数返回的值是不是Series，Index，np.ndarray或list。

因此，下面应该工作：

grouped = df.groupby(['jobname', 'block']) 
aggregated = grouped.aggregate(lambda x: tuple(x))