Question

问题设置

假设给出了以下数据框。

ID    category
223    MMO
223    Game
444    Finance
360    Reading
360    Book

此数据框有一个ID列，并且与category相关联。请注意，相同的ID可以有多个类别。

我的目标是创建一个新列，其中包含给定ID的所有可能类别的串联。这意味着：

删除旧的category列
删除重复的ID行

输出看起来像这样。

ID    category 
223    MMO_Game      
444    Finance    
360    Reading_Book

尝试解决方案

我的过程是先创建一个groupby变量，将category分组为ID。

groupby_ID = df['category'].groupby(df['ID'])

现在我可以尝试迭代分组数据并连接字符串。

for ID, category in groupby_appID:

我不知道如何继续这一点。一些指示将非常感谢！

Answer 1

您可以在ID上groupby，然后将join应用于所需的分隔符：

In [142]:
df.groupby('ID')['category'].apply('_'.join)

Out[142]:
ID
223        MMO_Game
360    Reading_Book
444         Finance
Name: category, dtype: object

要获得准确的所需输出，您可以使用reset_index参数调用name：

In [145]:
df.groupby('ID')['category'].apply('_'.join).reset_index(name='category')

Out[145]:
    ID      category
0  223      MMO_Game
1  360  Reading_Book
2  444       Finance

连接其他唯一列的所有可能列值

1 个答案: