python - 用于排列数据框的聚合函数

Question

我有以下数据框，

>>> data = pd.DataFrame({'Name': ['CTA15', 'CTA15', 'AC007', 'AC007', 'AC007'], 
'ID': [22, 22, 2, 2, 2], 
'Sample':['PE12', 'PL14', 'AE29', 'AE04', 'PE03'], 
'count_col' : [2, 2, 3, 3, 3]})

>>> data
   ID   Name Sample  count_col
0  22  CTA15   PE12          2
1  22  CTA15   PL14          2
2   2  AC007   AE29          3
3   2  AC007   AE04          3
4   2  AC007   PE03          3

我需要按如下方式重新排列我的数据框，

 Name       Sample      count_col
    CTA15       PE12          2
                PL14        
    AC007       AE10          3
                AE29    
                PE03    

我尝试的是，

pd.pivot_table(All_variants_REL,index=["Name",'Sample'],
               values=['Count'],aggfunc={'Name':np.size})

但它在计数列中没有显示准​​确的计数任何帮助都会很棒..

Answer 1

看来你需要mask + astype由 duplicated 创建的 bool 掩码:

注意:我向 str 添加了强制转换，因为否则会在 count 列中获得混合值(带有整数的字符串)，并且某些 pandas 函数可能会被破坏。

注意 1 - 如果 Name 列中的值已排序，则解决方案有效。

cols = ['Name','count']
df[cols] = df[cols].astype(str).mask(df.duplicated(['Name']), '')
print (df)
    Name  ID Sample count
0  CTA15  22   PE12     2
1         22   PL14      
2  AC007   2   AE29     3
3          2   AE04      
4          2   PE03    

如果需要 NaN 只需省略 , - 但最后一列值将转换为 float (因为 NaN 是 float )

cols = ['Name','count']
df[cols] = df[cols].mask(df.duplicated(['Name']))
print (df)
    Name  ID Sample  count
0  CTA15  22   PE12    2.0
1    NaN  22   PL14    NaN
2  AC007   2   AE29    3.0
3    NaN   2   AE04    NaN
4    NaN   2   PE03    NaN  

对于列表可以使用:

cols = ['Name','count', 'ID']
df = df.groupby(cols)['Sample'].apply(list).reset_index()
print (df)
    Name  count  ID              Sample
0  AC007      3   2  [AE29, AE04, PE03]
1  CTA15      2  22        [PE12, PL14]