使用pandas GroupBy

Question

我遇到了无数线程（1 2 3 ...），但仍然找不到解决问题的方法... 我有一个这样的数据框：

prop1 prop2 prop3    prop4 
L30   3     bob      11.2
L30   54    bob      10
L30   11    john     10
L30   10    bob      10
K20   12    travis   10 
K20   1     travis   4 
K20   66    leo      10

我想对prop1和AND进行分组，同时将所有其他列汇总，但仅包含唯一值。像这样：

prop1  prop2       prop3       prop4
L30    3,54,11,10  bob,john    11.2,10
K20    12,1,66     travis,leo  10,4

我尝试了不同的方法：

1. df.groupby('prop1')['prop2','prop3','prop4'].apply(np.unique) 返回

  

AttributeError：“ numpy.ndarray”对象没有属性“ index”   加上TypeError：Series.name必须是可哈希的类型

1. 还：.apply(lambda x: pd.unique(x.values.ravel()).tolist())给出了一个列表作为输出，我想要列。

2. df.groupby('prop1')['prop2','prop3','prop4'].unique()本身不起作用，因为有多个列。

3. .apply(f)，f为：

   def f(df): df['prop2']=df['prop2'].drop_duplicates() df['prop3']=df['prop3'].drop_duplicates() df['prop4']=df['prop4'].drop_duplicates() return df

什么都不做。

1. 我还尝试将.agg()用于其他选项，但没有成功。

你们中的一个有什么主意吗？

非常感谢：）

Answer 1

使用groupby和agg，并通过调用Series.unique仅汇总唯一值：

df.astype(str).groupby('prop1').agg(lambda x: ','.join(x.unique()))

            prop2       prop3      prop4
prop1                                   
K20       12,1,66  travis,leo   10.0,4.0
L30    3,54,11,10    bob,john  11.2,10.0

---

df.astype(str).groupby('prop1', sort=False).agg(lambda x: ','.join(x.unique()))

            prop2       prop3      prop4
prop1                                   
L30    3,54,11,10    bob,john  11.2,10.0
K20       12,1,66  travis,leo   10.0,4.0

---

如果处理NaN很重要，请提前致电fillna：

import re
df.fillna('').astype(str).groupby('prop1').agg(
    lambda x: re.sub(',+', ',', ','.join(x.unique()))
)

            prop2       prop3      prop4
prop1                                   
K20       12,1,66  travis,leo   10.0,4.0
L30    3,54,11,10    bob,john  11.2,10.0

Answer 2

melt + pivot_table

s = df.astype(str).melt(id_vars='prop1').drop_duplicates()

s.pivot_table(
  index='prop1',
  columns='variable',
  values='value',
  aggfunc=','.join)

variable       prop2       prop3      prop4
prop1
K20          12,1,66  travis,leo   10.0,4.0
L30       3,54,11,10    bob,john  11.2,10.0

Answer 3

尝试一下，它非常适合我：

df.groupby(['prop1','prop2', 'prop4']).agg(lambda x: ','.join(x.unique())).reset_index()

结果将为：

prop1  prop2       prop3       prop4
L30    3,54,11,10  bob,john    11.2,10
K20    12,1,66     travis,leo  10,4