Question

假设数据集的子集包含这两列，

     attacker_king              attacker_commander
0   Joffrey/Tommen Baratheon    Jaime Lannister
1   Joffrey/Tommen Baratheon    Gregor Clegane
2   Joffrey/Tommen Baratheon    Jaime Lannister, Andros Brax
3   Robb Stark                  Roose Bolton, Wylis Manderly, Medger Cerwyn
4   Robb Stark                  Robb Stark, Brynden Tully
5   Robb Stark                  Robb Stark, Tytos Blackwood, Brynden Tully

我的目标是让一套指挥官＆＃39;根据数据集，每个国王都会部署。

[x for x in battles['attacker_commander'].dropna().str.split(',').sum()]

上述命令仅获取逗号分隔的指挥官列表但如果我选择使用以下列表理解，

battles[['attacker_commander','attacker_king']].groupby('attacker_king').sum()

我得到一个输出

attacker_king                      attacker_commander   
Balon/Euron Greyjoy         Victarion GreyjoyAsha GreyjoyTheon GreyjoyTheo...
Joffrey/Tommen Baratheon    Jaime LannisterGregor CleganeJaime Lannister, ...
Robb Stark                  Roose Bolton, Wylis Manderly, Medger Cerwyn, H...
Stannis Baratheon           Stannis Baratheon, Davos SeaworthStannis Barat...

这种方法的问题是，假设一行只有1个指挥官，当它与下一行相加时，输出可能看起来像Victarion GreyjoyAsha Greyjoy＆＃39;而不是Victarion Greyjoy，Asha Greyjoy＆＃39;。因此，使用

创建的列表是有意义的

[x for x in battles['attacker_commander'].dropna().str.split(',').sum()]

并将其提供给groupby（＆＃39; attacker_king＆＃39;）或者你们建议采用什么方法？

Answer 1

我认为首先需要apply功能join：

battles.groupby('attacker_king')['attacker_commander'].apply(','.join)

如果需要删除NaN：

battles.groupby('attacker_king')['attacker_commander'].apply(lambda x: ','.join(x.dropna()))

然后split并使用set获取唯一值：

df = battles.groupby('attacker_king')['attacker_commander']
            .apply(lambda x: list(set(','.join(x.dropna()).split(','))))
print (df)

调试的最佳解决方案是使用自定义函数，然后将代码重写为lambda：

def f(x):
    #Series by attacker_commander per group
    print (x)
    #first remove NaN
    print (x.dropna())
    #join by ,
    print (','.join(x.dropna()))
    #create list by split
    print (','.join(x.dropna()).split(','))
    #convert to set - unique values
    print (set(','.join(x.dropna()).split(',')))
    #set convert to list
    print (list(set(','.join(x.dropna()).split(','))))
    return list(set(','.join(x.dropna()).split(',')))

df = battles.groupby('attacker_king')['attacker_commander'].apply(f)
print (df)

但是，还有一个可行的解决方案是首先按DataFrame.dropna列删除NaN行：

def f(x):
    return list(set(','.join(x).split(',')))

df = battles.dropna(subset=['attacker_commander']).groupby('attacker_king')['attacker_commander'].apply(f)
print (df)

Answer 2

您希望按组加入字符串，然后拆分并找到唯一值。

df.groupby(
    'attacker_king'
).attacker_commander.apply(','.join).str.split(',').apply(pd.unique)

attacker_king
Joffrey/Tommen Baratheon      [Jaime Lannister, Gregor Clegane,  Andros Brax]
Robb Stark                  [Roose Bolton,  Wylis Manderly,  Medger Cerwyn...
Name: attacker_commander, dtype: object

如何将列表作为输入提供给pandas数据帧中的groupby函数

2 个答案: