Pandas: grouper la colonne A et faire des listes de tuples à partir d'autres colonnes?

Question

Je voudrais regrouper les transactions des utilisateurs dans les listes de pandas. Je n'arrive pas à comprendre comment faire une liste comprenant plus d'un champ. Par exemple,

df = pd.DataFrame({'user':[1,1,2,2,3], 
        'time':[20,10,11,18, 15], 
        'amount':[10.99, 4.99, 2.99, 1.99, 10.99]}) 

qui ressemble à

amount time user 
0 10.99 20  1 
1 4.99 10  1 
2 2.99 11  2 
3 1.99 18  2 
4 10.99 15  3 

Si je

print(df.groupby('user')['time'].apply(list)) 

Je reçois

user 
1 [20, 10] 
2 [11, 18] 
3  [15] 

mais si je

df.groupby('user')[['time', 'amount']].apply(list) 

Je reçois

user 
1 [time, amount] 
2 [time, amount] 
3 [time, amount] 

Merci à une réponse ci-dessous, j'ai appris que je peux le faire

df.groupby('user').agg(lambda x: x.tolist())) 

pour obtenir

   amount  time 
user       
1  [10.99, 4.99] [20, 10] 
2  [2.99, 1.99] [11, 18] 
3   [10.99]  [15] 

mais je vais vouloir trier le temps et les montants dans le même ordre - afin que je puisse passer par les transactions de chaque utilisateur dans l'ordre.

Je cherchais un moyen de produire ceci:

   amount-time-tuple 
user       
1  [(20, 10.99), (10, 4.99)] 
2  [(11, 2.99), (18, 1.99)] 
3  [(15, 10.99)] 

mais peut-être il y a un moyen de faire le genre sans « Tupling » les deux colonnes?

Answer 1

apply(list) examinera l'indice de série pas les valeurs .Je pensent que vous recherchez

df.groupby('user')[['time', 'amount']].apply(lambda x: x.values.tolist()) 

 
user 
1 [[23.0, 2.99], [50.0, 1.99]] 
2     [[12.0, 1.99]] 

Answer 2

IIUC:

In [101]: df.groupby('user').agg(lambda x: x.tolist()) 
Out[101]: 
      time  amount 
user 
1  [23, 50] [2.99, 1.99] 
2   [12]  [1.99]