python dataframe索引字段相同的合并_Pandas DataFrame-将具有相同索引的列的值合并到lis中...

我在这个问题上讨论了一段时间，但没有结果。这几乎是at least one other question on here的复制品，但我不太明白如何从网上的相关答案中找到我想要的东西。

我有一个Pandas数据框(我们称之为df)，看起来像：Name Value Value2

'A' '8.8.8.8' 'x'

'B' '6.6.6.6' 'y'

'A' '6.6.6.6' 'x'

'A' '8.8.8.8' 'x'

其中Name是索引。我想把它转换成这样的东西：Name Value Value2

'A' ['8.8.8.8', '6.6.6.6'] 'x'

'B' ['6.6.6.6'] 'y'

因此，基本上，对应于同一索引的每个Value都应该组合成一个列表(或一个集合，或一个元组)，并且该列表成为对应索引的Value。而且，如图所示，Value2在相似的索引行之间是相同的，所以最后应该保持不变。

我所做的(成功的)就是找出如何使Value列中的每个元素成为一个列表，其中包含：df['Value'] = pd.Series([[val] for val in df['Value']])

在我在本文开头链接的问题中，推荐的将列与重复索引结合的方法提供了一个使用df.groupby(df.index).sum()的解决方案。我知道除了df.index之外，我还需要一些东西作为groupby的参数，因为Value列被视为特殊列，而且我不确定应该用什么来代替sum()，因为这并不是我想要的。

希望我要找的东西很清楚，如果有什么我可以详细说明的，请告诉我。我也尝试过简单地循环遍历数据帧，查找具有相同索引的行，将Values组合成一个列表并相应地更新df。在尝试了这种方法之后，我想我会寻找一种更像熊猫的方法来解决这个问题。

编辑：作为德尔曼回答的后续，这个解决方案有点奏效了。Values似乎正确地连接到列表中。我发现unique函数返回一个Series，而不是DataFrame。另外，在实际设置中，我确实有更多的列，而不仅仅是Name、Value和Value2。但我想我能成功地解决这两个问题：gb = df.groupby(tuple(df.columns.difference(['Value'])))

result = pd.DataFrame(gb['Value'].unique(), columns=df.columns)

其中，第一行为列列表中减去Value列的groupby提供参数，第二行将unique返回的Series转换为与df具有相同列的DataFrame。

但我认为，所有这些都到位了(除非有人认为这有问题)，几乎所有的事情都按预期进行。不过，这里似乎确实有些不对劲。当我试图将其输出到一个带有to_csv的文件时，顶部有重复的头(但只有某些头是重复的，而且据我所知没有实际的模式)。另外，Value列表被截断，这可能是一个更简单的问题。csv输出电流如下：Name Value Value2 Name Value2

'A' ['8.8.8.8' '7.7.7.7' 'x'

'B' ['6.6.6.6'] 'y'

上面看起来很奇怪，但这正是它在输出中的样子。注意，与本文开头的示例相反，假设A的值大于2Values(因此我可以说明这一点)。当我对实际数据执行此操作时，Value列表在前4个元素之后被切断。