熊猫groupby有多个列，但是groupby之后需要在列中显示唯一值

Question

你好，我有一个数据框，如下所示：

    Supplier_number Supplier_name   Supply_cat  USD
0   111               A             Cat_1        1
1   221               B             Cat_1        2
2   222               B             Cat_1        3
3   331               C             Cat_1        4
4   332               C             Cat_2        5
5   441               D             Cat_1        6
6   551               E             Cat_2        7
7   552               E             Cat_1        8

然后运行以下行并返回以下df：

df_2a = df.groupby(['Supplier_number','Supplier_name', 'Supply_cat', ], as_index = False).sum().sort_values('USD')

    Supplier_number Supplier_name   Supply_cat  USD
0   111             A               Cat_1       1
1   221             B               Cat_1       2
2   222             B               Cat_1       3
3   331             C               Cat_1       4
4   332             C               Cat_2       5
5   441             D               Cat_1       6
6   551             E               Cat_2       7
7   552             E               Cat_1       8

但是我想要获得的df就像下面的

Supplier_number Supplier_name   Supply_cat     USD
0   111             A               Cat_1       1
**1 221             B               Cat_1       5
2   222**                                       
3   331             C               Cat_1       4
4   332             C               Cat_2       5
5   441             D               Cat_1       6
6   551             E               Cat_2       7
7   552             E               Cat_1       8

逻辑：相同的供应商名称，相同的供应类别，多个供应商编号-将供应商名称和供应类别分组，将美元加总，但保持供应商编号不变

首先感谢您的帮助。

Answer 1

DataFrame的大小将与原始大小相同。因此，我们可以先计算美元，然后将重复的单元格放入NaN中。 我们可以尝试使用GroupBy.transform + sum 获取USD列。然后，您可以mask与DataFrame.duplicated

重复

columns_group = ['Supplier_name', 'Supply_cat']
mask_columns = df.columns.difference(['Supplier_number'])
df['USD'] = df.groupby(columns_group)['USD'].transform('sum')
df[mask_columns] = df[mask_columns].mask(df.duplicated(columns_group))

#if you want blanks instead NaN
#df[mask_columns] = df[mask_columns].mask(df.duplicated(columns_group), '')


print(df)

输出

   Supplier_number Supplier_name Supply_cat  USD
0              111             A      Cat_1  1.0
1              221             B      Cat_1  5.0
2              222           NaN        NaN  NaN
3              331             C      Cat_1  4.0
4              332             C      Cat_2  5.0
5              441             D      Cat_1  6.0
6              551             E      Cat_2  7.0
7              552             E      Cat_1  8.0