我有一个示例数据集:
import pandas as pd
df = {'ID': ['H1','H2','H3','H4','H5','H6'],
'AA1': ['C','B','B','X','G','G'],
'AA2': ['W','K','K','A','B','B'],
'name':['n1','n2','n3','n4','n5','n6']
}
df = pd.DataFrame(df)
看起来像:
df
Out[32]:
AA1 AA2 ID name
0 C W H1 n1
1 B K H2 n2
2 B K H3 n3
3 X A H4 n4
4 G B H5 n5
5 G B H6 n6
我想通过AA1和AA2(唯一的AA1和AA2对)进行分组,并且唯一对选择哪个ID和名称值并不重要,并将其输出到.csv文件,因此输出在.csv文件中看起来像:
AA1 AA2 ID name
C W H1 n1
B K H2 n2
X A H4 n4
G B H5 n5
我尝试了代码:
df.groupby('AA1','AA2').apply(to_csv('merged.txt', sep = '\t', index=False))
但是to_csv无法识别,我可以在.apply()中添加什么来将groupby结果输出到csv文件?
答案 0 :(得分:2)
问题是您正在尝试应用不存在的函数to_csv
。无论如何,groupby也没有to_csv方法。 pd.Series
和pd.DataFrame
。
你应该真正使用的是drop_duplicates
,然后将结果数据框导出到csv:
df.drop_duplicates(['AA1','AA2']).to_csv('merged.txt')
PS:如果你真的想要一个groupby解决方案,那么这个问题恰好比drop_duplicates慢12倍......:
df.groupby(['AA1','AA2']).agg(lambda x:x.value_counts().index[0]).to_csv('merged.txt')
答案 1 :(得分:2)