J'ai une feuille Excel qui ressemble à ceci:
Column1 Column2 Column3
0 23 1
1 5 2
1 2 3
1 19 5
2 56 1
2 22 2
3 2 4
3 14 5
4 59 1
5 44 1
5 1 2
5 87 3
Et je cherche à extraire ces données, à les regrouper par colonne 1 et à les ajouter à un dictionnaire pour qu'elles apparaissent comme ceci:
{0: [1],
1: [2,3,5],
2: [1,2],
3: [4,5],
4: [1],
5: [1,2,3]}
C'est mon code jusqu'à présent
Excel = pandas.read_Excel(r"e:\test_data.xlsx", sheetname='mySheet', parse_cols'A,C')
myTable = Excel.groupby("Column1").groups
print myTable
Cependant, ma sortie ressemble à ceci:
{0: [0L], 1: [1L, 2L, 3L], 2: [4L, 5L], 3: [6L, 7L], 4: [8L], 5: [9L, 10L, 11L]}
Merci!
Vous pouvez groupby
sur Column1
Puis prendre Column3
Dans apply(list)
et appeler to_dict
?
In [81]: df.groupby('Column1')['Column3'].apply(list).to_dict()
Out[81]: {0: [1], 1: [2, 3, 5], 2: [1, 2], 3: [4, 5], 4: [1], 5: [1, 2, 3]}
Ou, faites
In [433]: {k: list(v) for k, v in df.groupby('Column1')['Column3']}
Out[433]: {0: [1], 1: [2, 3, 5], 2: [1, 2], 3: [4, 5], 4: [1], 5: [1, 2, 3]}
Selon les docs , le GroupBy.groups
:
est un dict dont les clés sont les groupes uniques calculés et les valeurs correspondantes étant les étiquettes d'axe appartenant à chaque groupe.
Si vous voulez les valeurs elles-mêmes, vous pouvez groupby
'Colonne1' puis appelez apply
et passez le list
méthode à appliquer à chaque groupe.
Vous pouvez ensuite le convertir en dict comme vous le souhaitez:
In [5]:
dict(df.groupby('Column1')['Column3'].apply(list))
Out[5]:
{0: [1], 1: [2, 3, 5], 2: [1, 2], 3: [4, 5], 4: [1], 5: [1, 2, 3]}
(Remarque: jetez un œil à cette SO question pour savoir pourquoi les nombres sont suivis de L
)