pandas怎么合并某字段有重复项的表？

Question

怎么拼接成下图这样？

df表里的A列是有重复的，df拼接过来的C列的值，在重复的A值里面只出现一次，求解！！！

用merger实在想出了怎么弄，丢大佬帮帮忙，可以VXHB感谢

 

Answer 1

pandas如何将相同ID的字符串进行合并：

OUTLINE：

• 问题描述
• 自己的解决方案
• 大神的更优化的解法
• 总结

问题描述

"""
id   value
1      A
1      B
1      C
2      D
2      E
2      F
变为：
id  value
1   [A,B,C]
2   [D,E,F]

pandas怎么把上面的结构变为下面的形式？
"""

自己的解决方案

import pandas as pd
import numpy as np
data = pd.DataFrame({'id':[1,1,1,2,2,2],'value':['A','B','C','D','E','F']})

data1 = np.array(data.groupby(['id']))#按照id进行分类
# 转变成array对象之后，可以根据data1[0][1]查看其结构

id_kinds = 2#id的种类，此例比如1、2共两种
all_value = []
for j in range(2):
    value = []
    for i in data1[j][1]['value']:
        value.append(i)
    all_value.append(value)
print(all_value)

#再创建新的dataframe
new_data = pd.DataFrame({'id':[1,2],'value':all_value})
print(new_data)

输出结果为：

   id      value
0   1  [A, B, C]
1   2  [D, E, F]

大神的更优化的解法

解法一：可以用sum方法，将字符串进行连接

import pandas as pd
import numpy as np
data = pd.DataFrame({'id':[1,1,1,2,2,2],'value':['A','B','C','D','E','F']})
data1 = data.groupby(by='id')['value'].sum()

此时的输出结果为：

id
1    ABC
2    DEF
Name: value, dtype: object

但是还不是我们想要的，因为我们还需要在中间加入逗号分隔
① 我们可以先将原始数据的value都变成“,A”

data = pd.DataFrame({'id':[1,1,1,2,2,2],'value':['A','B','C','D','E','F']})
data['value'] = data['value'].apply(lambda x:','+ x)

② 然后，对其使用sum方法进行字符串相加

data1 = data.groupby(by='id').sum()

此时的输出结果为，value值之前多了“,”

id  value
1   ,A,B,C
2   ,D,E,F

③ 最后，对该列使用apply函数，去除‘,’

data1['value'] = data1['value'].apply(lambda x :[x[1:]])

就得到了最终的结果：

id  value
1   [A,B,C]
2   [D,E,F]

解法二：对分组之后的结果，直接使用apply函数
一行代码就搞定！

data1 = data.groupby(by='id').apply(lambda x:[','.join(x['value'])])

那为什么可以这么做呢？
首先需要剖析的是，groupby之后的数据结构是什么样的，它是由元组构成的（分组名，数据块），数据块也就是dataframe结构。使用以下方式可以查看groupby之后的对象：

for ID，group in group_df:
    print(ID)
    print(group)

apply函数中的x作用的即是数据块（dataframe），通过数据块取value那一行得到的是Series对象，于是可以使用join方法进行操作。

总结

• sum方法不仅可以用于数值计算，还可用于对于一个Series对象而言的字符串相加

a = ['a','b']
c = pd.Series(a).sum()

• apply函数非常灵活，不仅可以作用于一个Series对象，还可以作用于一个groupby之后的数据块

data['value'].apply(lambda x :*****)
data.groupby(by='**').apply(lambda x :*****)

• lambda匿名函数可以极大优化精简我们的代码，是一个非常灵活好用的函数，记住它！