如何按DataFrame中duplicated列的不同值分组存储为列表？

原始DataFrame结构 #

需求说明 #

需要根据duplicated列的不同取值，将对应行转换为字典组成的列表，每个取值对应一个独立列表。

问题分析 #

你之前使用的df[df.duplicated(['country','city','amount', 'duplicated'], keep = False)]无法实现需求，因为所有行在指定列组合下都属于重复组的成员，所以返回的是整个原DataFrame，这不是分组拆分的逻辑。

实现代码 #

直接通过groupby按duplicated列分组，再将每组转换为字典列表：

# 分组并转换为字典列表的字典
grouped_lists = df.groupby('duplicated')[['id', 'country', 'city', 'amount']].apply(lambda x: x.to_dict('records')).to_dict()

# 获取对应分组的列表
list_1 = grouped_lists[1]
list_2 = grouped_lists[2]

输出结果 #

list_1

[
    {
        "id": 1,
        "country": "France",
        "city": "Paris",
        "amount": 200
    },
    {
        "id": 2,
        "country": "France",
        "city": "Paris",
        "amount": 200
    }
]

list_2

[
    {
        "id": 3,
        "country": "France",
        "city": "Lyon",
        "amount": 50
    },
    {
        "id": 4,
        "country": "France",
        "city": "Lyon",
        "amount": 50
    },
    {
        "id": 5,
        "country": "France",
        "city": "Lyon",
        "amount": 50
    }
]

补充说明 #

如果duplicated列的取值不确定或较多，可以遍历grouped_lists字典来批量处理所有分组，无需手动提取每个列表。

内容的提问来源于stack exchange，提问作者Taco22