如何将Pandas DataFrame按类别拆分提取数值集合与类别列表

嘿，这个需求用Pandas的分组功能就能轻松搞定，我给你一步步拆解：

首先先把你给出的原始数据转换成标准的Pandas DataFrame（方便后续操作）：

import pandas as pd

# 对应你提供的Cat和Val列数据
df = pd.DataFrame({
    'Cat': ['A', 'B', 'B', 'A'],
    'Val': [10, 20, 5, 8]
})

接下来分两步得到你要的两个结果：

1. 获取数值集合[[10, 8],[20,5]] #

我们可以用groupby按Cat列分组，然后把每个组的Val值转换成列表，最后转成嵌套列表格式：

# 按Cat分组，提取每个组的Val列表并转成嵌套列表
numeric_groups = df.groupby('Cat')['Val'].apply(list).tolist()

执行后numeric_groups就是你要的[[10, 8], [20, 5]]。

2. 获取类别列表[A,B] #

要保证类别顺序和数值集合的顺序完全对应，直接取分组后的索引即可：

# 获取分组后的类别并转成列表
category_list = list(df.groupby('Cat').groups.keys())

这样category_list就是['A', 'B']。

完整代码示例 #

把上面的步骤整合起来，运行就能得到你想要的结果：

import pandas as pd

# 构造原始DataFrame
df = pd.DataFrame({
    'Cat': ['A', 'B', 'B', 'A'],
    'Val': [10, 20, 5, 8]
})

# 生成数值集合
numeric_groups = df.groupby('Cat')['Val'].apply(list).tolist()
# 生成类别列表
category_list = list(df.groupby('Cat').groups.keys())

print("数值集合:", numeric_groups)
print("类别列表:", category_list)

运行输出：

数值集合: [[10, 8], [20, 5]]
类别列表: ['A', 'B']

如果你不想让类别按排序后的顺序展示（比如想保留原始数据中首次出现的顺序），可以用pd.unique()来获取类别：

category_list = df['Cat'].unique().tolist()

这样得到的是['A', 'B']（和原始数据首次出现顺序一致），和分组后的结果顺序刚好匹配，因为你的数据中A先出现，B后出现，分组默认排序也是A在前B在后~

内容的提问来源于stack exchange，提问作者NBC