Question

好的，所以我想要反转一个带有一些重复的表格： ATC hierarchy Drug Group 0 A Alimentary tract and metabolism 1 A01 STOMATOLOGICAL PREPARATIONS 2 A01A STOMATOLOGICAL PREPARATIONS 3 A01AA Caries prophylactic agents 4 A01AB Antiinfectives and antiseptics for local oral ...

得到这样的东西：

Drug Group allatcs 0 Alimentary tract and metabolism ['A'] 1 STOMATOLOGICAL PREPARATIONS ['A01', 'A01A'] 3 Caries prophylactic agents ['A01AA'] 4 Antiinfectives and antiseptics for local oral ... ['A01AB']

所以，自然的方式是groupby（）和transform（），而不是使用＆＃39; sum＆＃39;或者作为教程示例的平均值，对组值的系列值使用tolist（）：

atcd_['allatcs'] = atcd_.groupby('Drug Group')['ATC hierarchy'].\
                          transform(lambda ser: ser.tolist())

但是，唉，它并没有产生预期的聚合： ATC hierarchy Drug Group allatcs 0 A Alimentary tract and metabolism A 1 A01 STOMATOLOGICAL PREPARATIONS A01 2 A01A STOMATOLOGICAL PREPARATIONS A01A 3 A01AA Caries prophylactic agents A01AA 4 A01AB Antiinfectives and antiseptics for local oral ... A01AB

Answer 1

我对变换及其使用方式不太了解，所以我不确定为什么这样做不起作用，但是你想要做的事情可以通过.agg()轻松完成。

atcd_.groupby('Drug Group')['ATC hierarchy'].agg(lambda ser: list(ser))

以您想要的格式返回一个系列。

Answer 2

好的，所以＆＃39;转换＆＃39;期望一个函数在一个Series（代表一个Group）上运行，并返回标量或一个与一系列相同长度的向量。然后结果是＆＃34;广播＆＃34;在组的所有行上，这意味着（A）如果输出是标量（B）＆＃34;压缩＆＃34;则将标量值放在所有行上。如果组的向量元素是一个向量，则逐行向量。

文档有点误导，解释了矢量大小写： "...Thus, the passed transform function should return a result that is the same size as the group chunk..." 但是在所有例子中使用简单的标量情况（例如......变换（＆＃39; sum＆＃39;））

现在，如果它是一个矢量，那就是＆＃34;广播＆＃34;到它所操作的组的所有行。

所以，我应该做的是返回一个标量，这是一个非常小的变化：

atcd_['allatcs'] = atcd_.groupby('Drug Group')['ATC hierarchy'].\
                       transform(lambda ser: [ser.tolist()])

现在可以通过以下方式实现所需的结果：

atcd_.drop('ATC hierarchy', axis=1).drop_duplicates(subset='Drug Group')

Out[257]: Drug Group allatcs 0 Alimentary tract and metabolism [A] 1 STOMATOLOGICAL PREPARATIONS [A01, A01A] 3 Caries prophylactic agents [A01AA] 4 Antiinfectives and antiseptics for local oral ... [A01AB]

使用pandas groupby（）。transform（）和tolist（）作为聚合器

2 个答案: