如何在Pandas DataFrame中获取各唯一行序列的对应索引列表？

现有如下Pandas DataFrame（列名默认是[0,1,2,3,4]）：

import pandas as pd
df = pd.DataFrame(  [[0,0,1,0,0],
                    [0,0,0,0,1],
                    [0,0,1,0,0],
                    [0,0,0,0,1],
                    [0,0,1,0,0],
                    [0,0,0,0,1],
                    [0,0,1,0,0],
                    [0,0,0,1,0],
                    [0,1,1,0,0],
                    [1,0,0,1,0],
                    [0,1,1,0,0],
                    [1,0,0,1,0],
                    [0,1,1,0,1]])

运行df.value_counts()可得到唯一行序列及其出现次数，但需要生成一个字典，其中键为各唯一行序列，值为该序列对应的所有行索引列表，示例输出如下（已修正原示例中的索引错误）：

{(0,0,1,0,0): [0,2,4,6],
 (0,0,0,0,1): [1,3,5],
 (0,1,1,0,0): [8,10],
 (1,0,0,1,0): [9,11],
 (0,0,0,1,0): [7],
 (0,1,1,0,1): [12]}

可以通过Pandas的groupby结合元组转换实现，具体步骤如下：

1. 将每行数据转换为元组（列表不可哈希，无法作为字典键）
2. 按行元组分组，收集每组的索引并转换为列表
3. 将分组结果转换为目标字典

代码实现： #

# 按行元组分组，获取每组的索引数组
grouped_indices = df.groupby(df.apply(tuple, axis=1)).indices

# 将索引数组转为列表，生成目标字典
result = {row_tuple: indices.tolist() for row_tuple, indices in grouped_indices.items()}

print(result)

输出结果： #

{(0, 0, 0, 0, 1): [1, 3, 5],
 (0, 0, 0, 1, 0): [7],
 (0, 0, 1, 0, 0): [0, 2, 4, 6],
 (0, 1, 1, 0, 0): [8, 10],
 (0, 1, 1, 0, 1): [12],
 (1, 0, 0, 1, 0): [9, 11]}

补充说明： #

• df.apply(tuple, axis=1)：逐行将DataFrame的行数据转换为元组，作为分组的依据
• groupby(...).indices：返回字典，键为分组的行元组，值为对应行索引的numpy数组
• 字典推导式将numpy数组转为普通列表，得到最终需要的格式

内容的提问来源于stack exchange，提问作者Saran Pannasuriyaporn