Question

这是交易数据的一部分，正在处理Python（熊猫）以进行分类工作。每个客户的Customer_ID都是唯一的，每笔交易的“输入时间”都是唯一的，任何客户在一段时间内都会进行多次交易。大多数交易重复两次或更多次，具体取决于与一个交易关联的标签数量（但通常为2至4个标签）。我想将一笔交易的多个条目仅合并为1行，并带有1个customer_ID，一个性别，年龄，输入时间和所有Tag属性。

snippet of data

我尝试按customer_id和输入日期分组，但是没有得到想要的结果。

例如，customer_ID：5519707在2019-04-27 16：07：05 + 00：00仅有一笔交易有四个条目。 example

我要用1行替换这4行，如下所示： expected result

那么有效的方法是什么？因为我的数据集有250万行和30多个属性，总大小为700MB。

Answer 1

如果要考虑“标签”列，以下是一种有效的方法。


df1 = pd.DataFrame({"an":["j","j","j","k","k"], "bn":[0,1,1,0,1], "cn":[2,1,2,3,1]})
df1.groupby(["an"])["bn", "cn"].sum().reset_index()

输入：

    an  bn  cn
0   j   0   2
1   j   1   1
2   j   1   2
3   k   0   3
4   k   1   1

输出：

    an  bn  cn
0   j   2   5
1   k   1   4

Answer 2

尝试一下：

df.groupby(['id']).max().reset_index()

输入

    id  gender  age tag1 tag2
0   200 male    20  0    1
1   200 male    20  1    0
2   200 male    20  0    0

输出

     id gender  age tag1 tag2
0   200 male    20  1    1

如何将多行合并为一行，同时在Pandas的某些列中添加特定值？

2 个答案: