1

Sucede que tengo 2 columnas que se interrelacionan: la primera son nombres y la segunda son conteos de entradas de esa persona en un gimnasio a la semana.

en la primer columna los nombres se repiten cuantas veces haya entrada en la segunda variable, así:

     c1  nom  entr       
0    0   E    1  
1    1   A    2  
2    2   B    5  
3    3   A    3  
4    4   C    6  

existen repeticiones entre nombres con muchos valores en las entradas al gimnasio que se verían de esta forma:

     nom   entr
28   A    6
1    A    2
30   A    1
3    A    3
23   A    1
5    A    7
6    A    9
26   A    8
33   B    4
34   B    6
14   B    9
36   B    8
9    B    3
7    B    1
2    B    5
10   C    7
37   C    9
4    C    6

En este caso en vez de ver cada letra repitiéndose me gustaría ver solo 1 letra y las entradas al lado de esta, algo como esto:

supongamos que yo quiero ver la media de las entradas por nombre sería algo así

        entr
nom          
A    4.625000
B    5.142857
C    5.400000
D    3.833333
E    4.785714

esto mismo es lo que me gustaría ver pero con cada entrada, más o menos así pero con los valores reales

              entr
nom          
A    1:2:3:5:7:8:10
B         1:2:4:7:8
C             1:6:9
D    1:2:3:5:7:8:10
E    1:2:3:5:7:8:10

¿cómo podría hacerlo?

1 respuesta 1

0

Puedes hacer uso de pandas.DataFrame.groupby para agrupar por nombre y luego simplemente usar apply sobre la columna entr:

>>> import numpy as np
>>> df2 = df.groupby("nom")['entr'].apply(np.array)
>>> df2

nom
A    [6, 2, 1, 3, 1, 7, 9, 8]
B       [4, 6, 9, 8, 3, 1, 5]
C                   [7, 9, 6]
Name: entr, dtype: object

Esto genera una Serie, pero si quieres un DataFrame basta con usar el método to_frame por ejemplo:

>>> df2 = df.groupby("nom")['entr'].apply(np.array).to_frame()
>>> df2

                         entr
nom                          
A    [6, 2, 1, 3, 1, 7, 9, 8]
B       [4, 6, 9, 8, 3, 1, 5]
C                   [7, 9, 6]

Si quieres una lista Python, basta con usar:

df.groupby("nom")['entr'].apply(list).to_frame()

Ten en cuanta que ahora tu columna entr es de tipo object y esto ocasiona que el potencial de Pandas en cuanto a realizar operaciones vectorizadas de forma eficiente se vea muy mermado.


Solo por curiosidad, para obtener una salida como la que muestras puedes convertir las entr en una cadena de texto, aunque lógicamente desde el punto de vista de operar con los datos es una pésima idea:

>>> df2 = df.groupby("nom")['entr'].apply(lambda arr: ":".join(map(str, arr)).to_frame()
>>> df2
                entr
nom                 
A    6:2:1:3:1:7:9:8
B      4:6:9:8:3:1:5
C              7:9:6

Tu Respuesta

By clicking “Publica tu respuesta”, you agree to our terms of service and acknowledge you have read our privacy policy.

¿No es la respuesta que buscas? Examina otras preguntas con la etiqueta o formula tu propia pregunta.