Pandas groupby: Làm thế nào để có được một nhóm các chuỗi

Tôi có một khung dữ liệu như thế này:

   A         B       C
0  1  0.749065    This
1  2  0.301084      is
2  3  0.463468       a
3  4  0.643961  random
4  1  0.866521  string
5  2  0.120737       !

Kêu gọi

In [10]: print df.groupby("A")["B"].sum()

sẽ trở lại

A
1    1.615586
2    0.421821
3    0.463468
4    0.643961

Bây giờ tôi muốn làm "tương tự" cho cột "C". Bởi vì cột đó chứa các chuỗi, sum () không hoạt động (mặc dù bạn có thể nghĩ rằng nó sẽ nối các chuỗi). Những gì tôi thực sự muốn xem là danh sách hoặc tập hợp các chuỗi cho mỗi nhóm, tức là

A
1    {This, string}
2    {is, !}
3    {a}
4    {random}

Tôi đã cố gắng tìm cách để làm điều này.

Series.unique () ( http://pandas.pydata.org/pandas-docs/stable/generated/pandas.Series.unique.html ) không hoạt động, mặc dù

df.groupby("A")["B"]

là một

pandas.core.groupby.SeriesGroupBy object

vì vậy tôi đã hy vọng bất kỳ phương pháp Series nào sẽ hoạt động. Có ý kiến ​​gì không?

In [4]: df = read_csv(StringIO(data),sep='\s+')

In [5]: df
Out[5]: 
   A         B       C
0  1  0.749065    This
1  2  0.301084      is
2  3  0.463468       a
3  4  0.643961  random
4  1  0.866521  string
5  2  0.120737       !

In [6]: df.dtypes
Out[6]: 
A      int64
B    float64
C     object
dtype: object

Khi bạn áp dụng chức năng của riêng mình, không có loại trừ tự động các cột không phải là số. Đây là chậm hơn, tuy nhiên, so với việc áp dụng .sum()đếngroupby

In [8]: df.groupby('A').apply(lambda x: x.sum())
Out[8]: 
   A         B           C
A                         
1  2  1.615586  Thisstring
2  4  0.421821         is!
3  3  0.463468           a
4  4  0.643961      random

sum theo mặc định nối

In [9]: df.groupby('A')['C'].apply(lambda x: x.sum())
Out[9]: 
A
1    Thisstring
2           is!
3             a
4        random
dtype: object

Bạn có thể làm rất nhiều điều bạn muốn

In [11]: df.groupby('A')['C'].apply(lambda x: "{%s}" % ', '.join(x))
Out[11]: 
A
1    {This, string}
2           {is, !}
3               {a}
4          {random}
dtype: object

Làm điều này trên toàn bộ khung hình, một nhóm tại một thời điểm. Chìa khóa là trả lại mộtSeries

def f(x):
     return Series(dict(A = x['A'].sum(), 
                        B = x['B'].sum(), 
                        C = "{%s}" % ', '.join(x['C'])))

In [14]: df.groupby('A').apply(f)
Out[14]: 
   A         B               C
A                             
1  2  1.615586  {This, string}
2  4  0.421821         {is, !}
3  3  0.463468             {a}
4  4  0.643961        {random}

Bạn có thể sử dụng applyphương pháp để áp dụng một hàm tùy ý cho dữ liệu được nhóm. Vì vậy, nếu bạn muốn một bộ, hãy áp dụng set. Nếu bạn muốn có một danh sách, hãy đăng ký list.

>>> d
   A       B
0  1    This
1  2      is
2  3       a
3  4  random
4  1  string
5  2       !
>>> d.groupby('A')['B'].apply(list)
A
1    [This, string]
2           [is, !]
3               [a]
4          [random]
dtype: object

Nếu bạn muốn thứ gì đó khác, chỉ cần viết một hàm thực hiện những gì bạn muốn và sau đó applylàm điều đó.

Bạn có thể sử dụng hàm aggregate(hoặc agg) để nối các giá trị. (Mã chưa được kiểm tra)

df.groupby('A')['B'].agg(lambda col: ''.join(col))

Bạn có thể thử điều này:

df.groupby('A').agg({'B':'sum','C':'-'.join})

một giải pháp đơn giản sẽ là:

>>> df.groupby(['A','B']).c.unique().reset_index()

Tổng hợp được đặt tên với pandas >= 0.25.0

Kể từ phiên bản gấu trúc 0,25.0, chúng tôi đã đặt tên cho các tập hợp để chúng tôi có thể nhóm lại, tổng hợp và đồng thời gán các tên mới cho các cột của mình. Bằng cách này, chúng tôi sẽ không nhận được các cột MultiIndex và tên cột có ý nghĩa hơn dựa trên dữ liệu mà chúng chứa:

tổng hợp và nhận danh sách các chuỗi

grp = df.groupby('A').agg(B_sum=('B','sum'),
                          C=('C', list)).reset_index()

print(grp)
   A     B_sum               C
0  1  1.615586  [This, string]
1  2  0.421821         [is, !]
2  3  0.463468             [a]
3  4  0.643961        [random]

tổng hợp và nối các chuỗi

grp = df.groupby('A').agg(B_sum=('B','sum'),
                          C=('C', ', '.join)).reset_index()

print(grp)
   A     B_sum             C
0  1  1.615586  This, string
1  2  0.421821         is, !
2  3  0.463468             a
3  4  0.643961        random

Nếu bạn muốn ghi đè cột B trong khung dữ liệu, điều này sẽ hoạt động:

    df = df.groupby('A',as_index=False).agg(lambda x:'\n'.join(x))

Theo câu trả lời hay của @ Erfan, hầu hết trong phân tích các giá trị tổng hợp, bạn muốn các kết hợp độc nhất có thể có của các giá trị ký tự hiện có này:

unique_chars = lambda x: ', '.join(x.unique())
(df
 .groupby(['A'])
 .agg({'C': unique_chars}))