Question

假设我有以下数据框df1：

     A    B  C   D 
0  foo  one  1  0
1  bar  two  2  1
2  foo  two  3  0
3  bar  two  4  1
4  foo  two  5  0
5  bar  two  6  1
6  foo  one  7  0
7  foo  two  8  1

我想将其转换为数据帧df2，如下所示：

A     B            C                 D             
foo  [one,two]  [1,3,5,7,8]          0
bar  [two]          [2,4,6]          1

更确切地说：

按A分组，即列A是索引，每行A的值都是唯一的
列B和C包含发生的汇总值集。对于A = "foo"，B为"one"或"two"，而"bar"仅为"two"。
- 逻辑上，这应该是一个集合，其中每个值只出现一次。它可能是一个Python set，但我也想问用pandas代表这个最优雅的方式是什么
列D不包含集，因为foo D始终为0而bar始终为1.如果始终为1 ：索引值与列值之间的1个关系，则该列不应包含集。

我预计会有一个单行聚合la df1.groupby("A").aggregate_like_this()，但到目前为止我没有运气。

Answer 1

使用groupby + agg：

f = {'B' : lambda x: np.unique(x).tolist(), 
     'C' : lambda x: np.unique(x).tolist(), 
     'D' : 'first'
}

df.groupby('A', as_index=False).agg(f).reindex(columns=df.columns)

     A           B                C  D
0  bar       [two]        [2, 4, 6]  1
1  foo  [one, two]  [1, 3, 5, 7, 8]  0

如果您无法事先确定A与D有1：1关系的值，请使用groupby + nunique进行检查，然后相应地过滤数据集

x = df.groupby('A').D.nunique().eq(1)
df = df[df.A.isin(x[x].index)]
df

     A    B  C  D
1  bar  two  2  1
3  bar  two  4  1
5  bar  two  6  1

df.groupby('A', as_index=False).agg(f).reindex(columns=df.columns)

     A      B          C  D
0  bar  [two]  [2, 4, 6]  1

将pandas数据帧分组并将多个值收集到集合中

1 个答案: