Python Pandas: Groupby Sum AND Concatenate Strings

Question

示例pandas dataframe：

ID名称注释1评论2 num1 dan嗨，你好11丹你的朋友23乔恩是的，不32乔恩狗猫.53乔恩是.1

我正在尝试创建一个按ID分组的数据框架，并命名condenation comment1和comment2，也总结num。

这就是我要寻找的：

ID名称注释1评论2 num1丹嗨，你你好朋友33乔恩是的，不是3.12乔恩狗猫.5

我尝试使用以下方式：

input_df = input_df.groupby(['ID', 'NAME', 'COMMENT1', 'COMMENT2']).sum().reset_index()

但是它不起作用。

如果我使用此：

input_df = input_df.groupby(['ID']).sum().reset_index()

它总结了NUM列，但列出了所有其他列。

Answer 1

让我们进入一行

df.groupby(['ID','Name'],as_index=False).agg(lambda x : x.sum() if x.dtype=='float64' else ' '.join(x))
Out[1510]: 
   ID Name  COMMENT1      COMMENT2  NUM
0   1  dan    hi you  hello friend  3.0
1   2  jon       dog           cat  0.5
2   3  jon  yeah yes       nope no  3.1

Answer 2

您还可以告诉.agg()每列的聚合功能以及字符串列使用，请通过' '.join（请注意没有括号，因为您不想调用.join而是将其作为参数本身）：

df.groupby(['ID','Name'],as_index=False).agg({'COMMENT1': ' '.join, 'COMMENT2': ' '.join, 'NUM': 'sum'})

Answer 3

将您的数据示例转换为CSV文件，我们可以执行以下操作：

import pandas as pd
def grouping_Cols_by_Cols(DF, grouping_Columns, num_Columns):
    # numerical columns can mess us up ...
    column_Names = DF.columns.tolist()
    # so, convert all columns' values to strings
    for column_Name in column_Names:
        DF[column_Name] = DF[column_Name].map(str) + ' '
    DF = DF.groupby(by=grouping_Columns).sum()
    # NOW, convert the numerical string columns to an expression ...
    for num_Col in num_Columns:
        column_Names = DF.columns.tolist()
        num_Col_i = column_Names.index(num_Col)
        for i in range(len(DF)):
            String = DF[num_Col].iloc[i] 
            value = eval(String.rstrip(' ').replace(' ','+'))
            DF.iat[i,num_Col_i] = value
    return DF
###############################################################
### Operations Section
###############################################################
df = pd.read_csv("UnCombinedData.csv")
grouping_Columns = ['ID','Name']
num_Columns = ['NUM']
df = grouping_Cols_by_Cols(df,grouping_Columns, num_Columns)
print df

有了更多的工作，定义的函数可以自动检测，哪些列中有数字并将其添加到数值列列表中。

我认为这与本文中遇到的问题和挑战相似，但不确切。