Pandas GROUPBY + Liste

Question

New so leider Pandas wenn dies ein alter Hut ist. Was ich versuche zu erreichen, ähnlich dem, was in grouping rows in list in pandas groupby enthalten ist, aber ich habe mehr als zwei Spalten und kann nicht herausfinden, wie alle meine Spalten mit dem gruppierten Wert angezeigt, miteinander auszukommen. Hier ist, was ich versuche zu tun.

data = [{'ip': '192.168.1.1', 'make': 'Dell', 'model': 'UltraServ9000'}, 
{'ip': '192.168.1.3', 'make': 'Dell', 'model': 'MiniServ'}, 
{'ip': '192.168.1.5', 'make': 'Dell', 'model': 'UltraServ9000'}, 
{'ip': '192.168.1.6', 'make': 'HP', 'model': 'Thinger3000'}, 
{'ip': '192.168.1.8', 'make': 'HP', 'model': 'Thinger3000'}] 

In [2]: df = pd.DataFrame(data) 
In [3]: df 
Out[4]: 
      ip make   model 
0 192.168.1.1 Dell UltraServ9000 
1 192.168.1.3 Dell  MiniServ 
2 192.168.1.5 Dell UltraServ9000 
3 192.168.1.6 HP Thinger3000 
4 192.168.1.8 HP Thinger3000  

<magic> 

Out[?]:  
      ip    make   model 
0 192.168.1.1, 192.168.1.5 Dell UltraServ9000 
1 192.168.1.3    Dell  MiniServ 
3 192.168.1.6, 192.168.1.8 HP  Thinger3000 

Vielen Dank im Voraus :)

Answer 1

groupby nimmt einen Parameter, by, durch die man eine list von Variablen angeben können Sie Ihre groupby über betreiben wollen. So ist die Antwort dieser Frage wird wie folgt geändert:

df.groupby(by = ["a", "c"])["b"].apply(list).reset_index() 

EDIT: Betrachten Sie Ihren Kommentar: da alle anderen Spalten als a die gleichen Werte haben, können Sie sie einfach in der by Parameterliste können, weil sie nicht beeinflussen das Ergebnis. Um Zeit zu sparen und verhindern, dass Sie tatsächlich alle Namen geben Sie so etwas tun könnte:

df.groupby(by = list(set(df.columns) - set(["b"])))["b"].apply(list).reset_index() 

Alternativ

, könnten Sie die agg Funktion ausnutzen, indem er ein Wörterbuch vorbei, die für alle Spalten nehmen die max und für b die Liste wird zurückkehren:

aggregate_functions = {x: max for x in df.columns if x != "a" and x != "b"} 
aggregate_functions["b"] = lambda x: list(x) 
df.groupby(by = "a").agg(aggregate_functions) 

, die Sie bevorzugen liegt an Ihnen, wahrscheinlich das letztere ist besser lesbar.