在组中合并 pandas 列（本身就是一个系列）的系列

Question

我有一个 pandas 数据框，其中一列是一个系列本身。例如：

df.head()

Col1    Col2  
1       ["name1","name2","name3"]  
1       ["name3","name2","name4"]  
2       ["name1","name2","name3"] 
2       ["name1","name5","name6"]

我需要将 Col2 串联成 Col1 组。我想要类似

的东西

Col1    Col2  
1       ["name1","name2","name3","name4"]  
2       ["name1","name2","name3","name5","name6"]

我尝试使用 groupby 作为

.agg({"Col2":lambda x: pd.Series.append(x)})

但这会引发错误，提示需要两个参数。我还尝试在 agg 函数中使用 sum 。失败并没有减少错误。

我该怎么做？

Answer 1

是的，您不能对这样的分类数据使用 .aggby{}。无论如何，这是我在问题上的尝试，使用 numpy 的帮助。（为清楚起见进行评论）

import numpy as np

# Set group by ("Col1") unique values
groupby = df["Col1"].unique()

# Create empty dict to store values on each iteration
d = {}

for i,val in enumerate(groupby):

    # Set "Col1" key, to the unique value (e.g., 1)
    d.setdefault("Col1",[]).append(val)

    # Create empty list to store values from "Col2"
    col2_unis=[]

    # Create sub-DataFrame for each unique groupby value
    sdf = df.loc[df["Col1"]==val]

    # Loop through the 2D-array/Series "Col2" and append each 
    # value to col_unis (using list comprehension)
    col2_unis.append([[j for j in array] for i,array in enumerate(sdf["Col2"].values)])

    # Set "Col2" key, to be unique values of col2_unis
    d.setdefault("Col2",[]).append(np.unique(col2_unis))

new_df = pd.DataFrame(d)

print(new_df)

更精简的版本如下所示：

d = {}
for i,val in enumerate(df["Col1"].unique()):
    d.setdefault("Col1",[]).append(val)
    sdf = df.loc[df["Col1"]==val]
    d.setdefault("Col2",[]).append(np.unique([[j for j in array] for i,array in enumerate(df.loc[df["Col1"]==val, "Col2"].values)]))
new_df = pd.DataFrame(d)
print(new_df)

查看 this related SO question。

了解有关 Python 的 .setdefault() 字典功能的更多信息

Answer 2

您可以使用 groupby with apply custom function, where first flatten nested lists by chain (fastest solution)，然后通过 set 删除重复项，转换为 list 最后排序：

import pandas as pd
from  itertools import chain

df = pd.DataFrame({'Col1':[1,1,2,2],
                   'Col2':[["name1","name2","name3"],
                           ["name3","name2","name4"],
                           ["name1","name2","name3"],
                           ["name1","name5","name6"]]})

print (df)
   Col1                   Col2
0     1  [name1, name2, name3]
1     1  [name3, name2, name4]
2     2  [name1, name2, name3]
3     2  [name1, name5, name6]

print (df.groupby('Col1')['Col2']
         .apply(lambda x: sorted(list(set(list(chain.from_iterable(x))))))
         .reset_index())
   Col1                                 Col2
0     1         [name1, name2, name3, name4]
1     2  [name1, name2, name3, name5, name6]

解决方案可以更简单，只需要chain、set和sorted：

print (df.groupby('Col1')['Col2']
         .apply(lambda x: sorted(set(chain.from_iterable(x))))
         .reset_index())

   Col1                                 Col2
0     1         [name1, name2, name3, name4]
1     2  [name1, name2, name3, name5, name6]

在组中合并 pandas 列（本身就是一个系列）的系列

Merge Series of a pandas column (which is a Series itself) in groups

merge

group-by

list

series

pandas