将熊猫列(本身就是系列)的系列合并成组

Question

我有一个熊猫数据框，其中一列本身就是一个系列。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 连接成 Col1 组。我想要类似的东西

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

我尝试使用分组作为

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

但这会抛出错误，指出需要两个参数。我还尝试在 agg 函数中使用 sum。失败与错误不会减少。

我该怎么做？

Answer 1

您可以将groupby与apply自定义函数一起使用，其中首先按chain平展嵌套列表(最快的解决方案)，然后按set删除重复项，转换为list和最后排序：

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]

Answer 2

是的，您将无法在这样的分类数据上使用.aggby{}。无论如何，这是我对问题的刺痛，使用 numpy 的帮助。(为清楚起见，已注释)

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)

要了解有关 Python 对字典.setdefault()函数的更多信息，请查看此相关的 SO 问题。