Question

我发现了一些与此问题相关的主题，“如何在groupby之后保留所有列”，但是我的问题是，我知道如何，但是我不知道如何使其更有效。

示例：

df=pd.DataFrame({'A':[1,1,2,3], 'B':[2,2,4,3],'d':[2,np.nan,1,4],'e':['this is','my life','not use 1','not use 2'],'f':[1,2,3,4]
                 })

print(df)
   A  B    d          e  f
0  1  2  2.0    this is  1
1  1  2  NaN    my life  2
2  2  4  1.0  not use 1  3
3  3  3  4.0  not use 2  4

如果列e相等，则需要连接列A and B中的字符串。为此，我正在使用此代码：

df=df.groupby(['A','B'],as_index=False).agg({'e':' '.join,'d':'first','f':'first'})
print(df)
   A  B    d  f                e
0  1  2  2.0  1  this is my life
1  2  4  1.0  3        not use 1
2  3  3  4.0  4        not use 2

这对我来说是正确的输出。但是正如您所看到的，要保留列f and d，我需要将它们逐一放入此agg dict中。在我的真实数据中，我有20列，而且我不想在代码中手动放置所有这些列的名称。

是否有更好的解决方案来保留groupby之后的所有列，或有什么方法可以改善我的解决方案，而不是现在使用？

Answer 1

您可以使用Index.difference为所有列（不包括list）和dict.fromkeys方法创建动态字典，然后将e添加到字典中：

d = dict.fromkeys(df.columns.difference(['A','B','e']), 'first')
print(d)
{'d': 'first', 'f': 'first'}

d['e'] = ' '.join
print(d)
{'d': 'first', 'f': 'first', 'e': <built-in method join of str object at 0x00000000025E1880>}

或者您可以分别创建两个字典，并一起merge：

d1 = dict.fromkeys(df.columns.difference(['A','B','e']), 'first')
d2 = {'e': ' '.join}

d = {**d1, **d2}

df=df.groupby(['A','B'],as_index=False).agg(d)
print(df)
   A  B    d  f                e
0  1  2  2.0  1  this is my life
1  2  4  1.0  3        not use 1
2  3  3  4.0  4        not use 2

如果顺序很重要，则与原始添加DataFrame.reindex一样：

df=df.groupby(['A','B'],as_index=False).agg(d).reindex(df.columns, axis=1)
print (df)
   A  B    d                e  f
0  1  2  2.0  this is my life  1
1  2  4  1.0        not use 1  3
2  3  3  4.0        not use 2  4

使groupby之后的所有列保持有效，.agg（许多列）

1 个答案: