python - Pandas 过滤大于 1 的唯一值并连接唯一值

Question

我有一个 Pandas 数据框:

df2 = pd.DataFrame({'c':[1,1,1,2,2,2,2,3],
                    'type':['m','n','o','m','m','n','n', 'p']})

我想找出 c 的哪些值具有不止一种唯一类型，对于那些返回 c 值的值、唯一类型的数量和所有唯一类型类型连接在一个字符串中。

到目前为止，我已经使用了这两个问题:

pandas add column to groupby dataframe Python Pandas: concatenate rows with unique values

df2['Unique counts'] = df2.groupby('c')['type'].transform('nunique')

df2[df2['Unique counts'] > 1].groupby(['c', 'Unique counts']).\
                                  agg(lambda x: '-'.join(x))

Out[226]: 
                    type
c Unique counts         
1 3                m-n-o
2 2              m-m-n-n

这可行，但我无法获得唯一值(例如，在第二行中，我希望只有一个 m 和一个 n。我的问题如下:

1. 我可以跳过创建“唯一计数”和创造一些临时的东西？
2. 如何过滤唯一值在第二步？

Answer 1

首先删除唯一行然后计算值的解决方案 - 创建助手系列 s 并且对于唯一字符串使用 sets:

s= df2.groupby('c')['type'].transform('nunique').rename('Unique counts')
a = df2[s > 1].groupby(['c', s]).agg(lambda x: '-'.join(set(x)))
print (a)

                  type
c Unique counts       
1 3              o-m-n
2 2                m-n

另一个想法是先删除重复项 DataFrame.duplicated :

df3 = df2[df2.duplicated(['c'],keep=False) & ~df2.duplicated(['c','type'])]
print (df3)

   c type
0  1    m
1  1    n
2  1    o
3  2    m
5  2    n

然后使用 join 聚合计数:

a = df3.groupby('c')['type'].agg([('Unique Counts', 'size'), ('Type', '-'.join)])
print (a)
   Unique Counts   Type
c                      
1              3  m-n-o
2              2    m-n

---

或者如果需要先聚合所有值:

df4 = df2.groupby('c')['type'].agg([('Unique Counts', 'nunique'), 
                                  ('Type', lambda x: '-'.join(set(x)))])
print (df4)
   Unique Counts   Type
c                      
1              3  o-m-n
2              2    m-n
3              1      p

最后通过 boolean indexing 删除唯一行:

df5 = df4[df4['Unique Counts'] > 1]
print (df5)
   Unique Counts   Type
c                      
1              3  o-m-n
2              2    m-n