我正在尝试按“ value_1”列中的值进行分组。但是我的最后一列是由列表组成的。当我尝试使用“ value_1”列进行分组时,由列表组成的列会消失。
数据框:
value_1: value_2: value_3: list:
american california, nyc walmart, kmart [supermarket, connivence]
canadian toronto dunkinDonuts [coffee]
american texas [state]
canadian walmart [supermarket]
... ... ... ....
我的预期输出是:
value_1: value_2: value_3: list:
american california, nyc, texas walmart, kmart [supermarket, connivence, state]
canadian toronto dunkinDonuts, walmart [coffee, supermarket]
谢谢!
答案 0 :(得分:5)
您可以groupby
value_1
并使用以下功能汇总包含字符串的列:
def str_cat(x):
return x.str.cat(sep=', ')
并使用GroupBy.sum
将列表追加到列list
中:
df.replace('',None).groupby('value_1').agg({'list':'sum', 'value_2': str_cat,
'value_3': str_cat})
list value_2 \
value_1
american [supermarket, connivence, state] california, nyc, texas
canadian [coffee, sipermarket] toronto, texas
value_3
value_1
american walmart, kmart, dunkinDonuts
canadian dunkinDonuts, walmart
答案 1 :(得分:2)
通过没有list
和value_1
的所有列来动态创建字典,对于list
,使用具有列表理解功能和扁平化功能的lambda函数:
f1 = lambda x: ', '.join(x.dropna())
#alternative for join only strings
#f1 = lambda x: ', '.join([y for y in x if isinstance(y, str)])
f2 = lambda x: [z for y in x for z in y]
d = dict.fromkeys(df.columns.difference(['value_1','list']), f1)
d['list'] = f2
df = df.groupby('value_1', as_index=False).agg(d)
print (df)
value_1 value_2 value_3 \
0 american california, nyc, texas walmart, kmart
1 canadian toronto dunkinDonuts, walmart
list
0 [supermarket, connivence, state]
1 [coffee, supermarket]
说明:
f1
和f2
是lambda函数。
首先使用分隔符删除丢失的值(如果存在)和join
字符串:
f1 = lambda x: ', '.join(x.dropna())
首先仅获取字符串值(省略丢失的值,因为NaN
s)和join
带有分隔符的字符串:
f1 = lambda x: ', '.join([y for y in x if isinstance(y, str)])
首先获取所有具有过滤空字符串的字符串值和带有分隔符的join
字符串:
f1 = lambda x: ', '.join([y for y in x if y != ''])
函数f2
适用于flatten lists,因为聚合后会得到像[['a','b'], ['c']]
这样的嵌套列表
f2 = lambda x: [z for y in x for z in y]