python - 将 pandas 数据框分组并将多个值收集到集合中

Question

假设我有以下数据框df1:

     A    B  C   D 
0  foo  one  1  0
1  bar  two  2  1
2  foo  two  3  0
3  bar  two  4  1
4  foo  two  5  0
5  bar  two  6  1
6  foo  one  7  0
7  foo  two  8  1

我想将其转换为数据框df2，如下所示:

A     B            C                 D             
foo  [one,two]  [1,3,5,7,8]          0
bar  [two]          [2,4,6]          1

更准确地说:

• 按A分组，即A列是索引，每行A的值都是唯一的

• 列B 和C 包含出现的值的聚合集。对于 A = "foo"，B 是 "one" 或 "two"，而对于 >“酒吧”它只是“两个”。

  • 从逻辑上讲，这应该是一个集合，其中出现的每个值都只出现一次。它可能是一个 Python set，但我也想问用 pandas 表示它的最优雅的方式是什么

• 列 D 不包含集合，因为对于 foo D 始终为 0，而对于 bar > 它始终为 1。如果索引值和列值之间始终存在 1:1 关系，则该列不应包含集合。

我预计会有一个像 df1.groupby("A").aggregate_like_this() 这样的单行聚合，但到目前为止我还没有找到它。

Answer 1

使用groupby + agg:

f = {'B' : lambda x: np.unique(x).tolist(), 
     'C' : lambda x: np.unique(x).tolist(), 
     'D' : 'first'
}

df.groupby('A', as_index=False).agg(f).reindex(columns=df.columns)

     A           B                C  D
0  bar       [two]        [2, 4, 6]  1
1  foo  [one, two]  [1, 3, 5, 7, 8]  0 

<小时/>

如果您无法提前确定 A 的哪些值与 D 具有 1:1 关系，请使用 groupby + 进行检查>nunique，然后相应地过滤您的数据集。

x = df.groupby('A').D.nunique().eq(1)
df = df[df.A.isin(x[x].index)]
df

     A    B  C  D
1  bar  two  2  1
3  bar  two  4  1
5  bar  two  6  1

df.groupby('A', as_index=False).agg(f).reindex(columns=df.columns)

     A      B          C  D
0  bar  [two]  [2, 4, 6]  1