多列的Groupby
Groupby of multiple Columns
我有
进程
助攻
日期
23d34
0
13.10.2020
23d4t
1
14.10.2020
56z45
3
13.10.2020
23d34
0
13.10.2020
我想按“进程”列的值对其进行分组。如果我使用这个函数：
df_new = df.groupby(['Process'])['Assists'].apply(lambda x: ','.join(x.astype(str))).reset_index()
看起来像这样
进程
助攻
23d34
0,0
23d4t
1
56z45
3
我的问题是，我仍然需要“日期”列才能在日期之后进行过滤。流程的“日期”必须相同。因此，将日期也“合并”或“分组”会很好。
我要
进程
助攻
日期
23d34
0,0
13.10.2020
23d4t
1
14.10.2020
56z45
3
13.10.2020
非常感谢。
如果您想按 Process 和 Date 分组，请尝试：
df_new = df.groupby(["Process", "Date"], as_index=False)["Assists"].apply(
lambda x: ",".join(x.astype(str))
)
print(df_new)
打印：
Process Date Assists
0 23d34 13.10.2020 0,0
1 23d4t 14.10.2020 1
2 56z45 13.10.2020 3
您可以使用聚合函数：min、max、first、last：
df_new = df.astype({'Assists':'str'})
.groupby('Process',as_index=False)
.agg({'Assists':','.join,'Date':'min'}))
我有
| 进程 | 助攻 | 日期 |
|---|---|---|
| 23d34 | 0 | 13.10.2020 |
| 23d4t | 1 | 14.10.2020 |
| 56z45 | 3 | 13.10.2020 |
| 23d34 | 0 | 13.10.2020 |
我想按“进程”列的值对其进行分组。如果我使用这个函数：
df_new = df.groupby(['Process'])['Assists'].apply(lambda x: ','.join(x.astype(str))).reset_index()
看起来像这样
| 进程 | 助攻 |
|---|---|
| 23d34 | 0,0 |
| 23d4t | 1 |
| 56z45 | 3 |
我的问题是，我仍然需要“日期”列才能在日期之后进行过滤。流程的“日期”必须相同。因此，将日期也“合并”或“分组”会很好。
我要
| 进程 | 助攻 | 日期 |
|---|---|---|
| 23d34 | 0,0 | 13.10.2020 |
| 23d4t | 1 | 14.10.2020 |
| 56z45 | 3 | 13.10.2020 |
非常感谢。
如果您想按 Process 和 Date 分组，请尝试：
df_new = df.groupby(["Process", "Date"], as_index=False)["Assists"].apply(
lambda x: ",".join(x.astype(str))
)
print(df_new)
打印：
Process Date Assists
0 23d34 13.10.2020 0,0
1 23d4t 14.10.2020 1
2 56z45 13.10.2020 3
您可以使用聚合函数：min、max、first、last：
df_new = df.astype({'Assists':'str'})
.groupby('Process',as_index=False)
.agg({'Assists':','.join,'Date':'min'}))