python - 按 pandas 数据框唯一的第一个值分组 - 返回 numpy 数组

Question

来自两个字符串列的 pandas 数据框，如下所示:

d = {'SCHOOL' : ['Yale', 'Yale', 'LBS', 'Harvard','UCLA', 'Harvard', 'HEC'],
     'NAME' : ['John', 'Marc', 'Alex', 'Will', 'Will','Miller', 'Tom']}

df = pd.DataFrame(d)

请注意，NAME 与 SCHOOL 之间的关系是 n 比 1。我想得到最后一所学校，以防一个人去了两所不同的学校(参见“Will”案例)。

到目前为止我得到了:

df = df.groupby('NAME')['SCHOOL'].unique().reset_index()

返回:

     NAME           SCHOOL
0    Alex            [LBS]
1    John           [Yale]
2    Marc           [Yale]
3  Miller        [Harvard]
4     Tom            [HEC]
5    Will  [Harvard, UCLA]

问题:

• unique() 返回两个学校，而不仅仅是最后一个学校。
• 此行以 np.array 而不是字符串的形式返回 SCHOOL 列。与这个 df 进一步合作非常困难。

Answer 1

这两个问题都是根据@IanS 评论解决的。

使用last()而不是unique():

df = df.groupby('NAME')['SCHOOL'].last().reset_index()

返回:

     NAME   SCHOOL
0    Alex      LBS
1    John     Yale
2    Marc     Yale
3  Miller  Harvard
4     Tom      HEC
5    Will     UCLA