python - Pandas 中的嵌套分组

Question

问题
考虑以下数据框:

import pandas as pd
from io import StringIO 
data = StringIO(""",ID,category,app,duplicated
    0,100,OperatingSystem,Finder,FALSE
    1,100,Browser,Chrome,FALSE
    2,100,Browser,Chrome,TRUE
    3,100,Browser,Chrome,FALSE
    4,100,Clipboard,Clipboard,FALSE
    5,200,Browser,Chrome,FALSE
    6,200,Browser,Chrome,TRUE
    7,200,Browser,Chrome,FALSE
    8,200,Clipboard,Clipboard,FALSE
    9,300,OperatingSystem,Finder,FALSE
    10,300,Browser,Chrome,TRUE
    11,300,OperatingSystem,Finder,FALSE
    12,300,Clipboard,Clipboard,FALSE
""" )
df_stack = pd.read_csv(data, index_col=0).fillna('')

使用来自 this answer 的代码

s = df_stack.groupby('ID')['duplicated'].apply(lambda d : d.ne(d.shift()).cumsum())
d_groups = df_stack.groupby(s)
for g, dataframes in d_groups:
    print(f"\n[Group {g}] - {dataframes['duplicated'].unique()[0]} \n{'-'*20}")
    for index,row in dataframes.iterrows():
        print(index, row['duplicated'], row['category'], row['app'])

我得到 3 个不同的组，如下图所示，遵循以下条件:

A组:对于每个ID，所有False行直到该ID的第一个True行

B组:所有真行

C组:对于每个ID，该ID的最后一个True行之后的所有False行

我想要的是
我要 按类别分组 A、B、C 为了获得总共6组(图像右侧)。

编辑:我用双 for 循环解决了这个问题，循环了 d_groups并对内部组进行分组。有没有更有效的解决方案？

Answer 1

我想你只需要groupby数据框 df_stack在 s连同 category以获得所需的结果，而不是仅按 s 分组:

d_groups = df_stack.groupby(s)

您应该groupby在 s连同 category栏目:

d_groups = df_stack.groupby([s, 'category'])

结果:

[Group (1, 'Browser')] - False 
--------------------
1 100 False Browser Chrome
5 200 False Browser Chrome

[Group (1, 'OperatingSystem')] - False 
--------------------
0 100 False OperatingSystem Finder
9 300 False OperatingSystem Finder

[Group (2, 'Browser')] - True 
--------------------
2 100 True Browser Chrome
6 200 True Browser Chrome
10 300 True Browser Chrome

[Group (3, 'Browser')] - False 
--------------------
3 100 False Browser Chrome
7 200 False Browser Chrome

[Group (3, 'Clipboard')] - False 
--------------------
4 100 False Clipboard Clipboard
8 200 False Clipboard Clipboard
12 300 False Clipboard Clipboard

[Group (3, 'OperatingSystem')] - False 
--------------------
11 300 False OperatingSystem Finder