python - Pandas 合并重复的 DataFrame 列，保留列名称

Question

如何合并重复的 DataFrame 列并保留所有原始列名称？

例如如果我有数据框

df = pd.DataFrame({"col1" : [0, 0, 1, 2, 5, 3, 7],
                   "col2" : [0, 1, 2, 3, 3, 3, 4],
                   "col3" : [0, 1, 2, 3, 3, 3, 4]})

我可以删除重复的列(是的，对于大型 DataFrame 来说转置很慢)

df.T.drop_duplicates().T

但这只会为每个唯一列保留一个列名称

    col1 col2
 0   0   0
 1   0   1
 2   1   2
 3   2   3
 4   5   3
 5   3   3
 6   7   4

如何保留有关合并哪些列的信息？例如类似的东西

    [col1] [col2, col3]
 0     0         0
 1     0         1
 2     1         2
 3     2         3
 4     5         3
 5     3         3
 6     7         4

谢谢!

Answer 1

# group columns by their values 
grouped_columns = df.groupby(list(df.values), axis=1).apply(lambda g: g.columns.tolist())  

# pick one column from each group of the columns
unique_df = df.loc[:, grouped_columns.str[0]]

# make a new column name for each group, don't think the list can work as a column name, you need to join them
unique_df.columns = grouped_columns.apply("-".join)

unique_df