python - 如何根据另一列连接数据框中一列的唯一字符串

Question

我需要根据另一列的值连接一列中的唯一字符串。

我试过 groupby，但要么是我遗漏了一些明显的东西，要么是矫枉过正。

下面是输入数据框。我想为 col1

中的每个值加入来自 col2 的唯一字符串

df = pd.DataFrame([
    ['a', '', 1],
    ['a', 's2', 2],
    ['a', 's2', 3],
    ['a', 's3', 3],
    ['b', '', 4],
    ['b', 's1', 5],
    ['c', '', 6]],
  columns=['col1', 'col2', 'col0'])

我正在寻找这样的输出:

df2 = pd.DataFrame([
    ['a', '', 1, 's2;s3'],
    ['a', 's2', 2, 's2;s3'],
    ['a', 's2', 3, 's2;s3'],
    ['a', 's3', 3, 's2;s3'],
    ['b', '', 4, 's1'],
    ['b', 's1', 5, 's1'],
    ['c', '', 6, '']],
  columns=['col1', 'col2', 'col0', 'col_out'])

我尝试使用转换，但没有一个提供正确的列。我不拘泥于 groupby、transform，只要能正常工作，任何其他方法都可以。

df['col3'] = df.groupby('col1')['col2'].transform(lambda x: ';'.join(x))
df['col4'] = df.groupby('col1', as_index=False)['col2'].transform(lambda x: list(set(x)))
df['col5'] = df['col4'].str.join(';')

Answer 1

我觉得你很接近，在这里添加一个strip:

df2['col_out2'] = df2.groupby('col1')['col2'].transform(lambda x: ';'.join(x.unique())).str.strip(';')

它有输出:

  col1 col2 col0 col_out col_out2
0   a        1   s2;s3   s2;s3
1   a   s2   2   s2;s3   s2;s3
2   a   s2   3   s2;s3   s2;s3
3   a   s3   3   s2;s3   s2;s3
4   b        4   s1      s1
5   b   s1   5   s1      s1
6   c        6