Pandas groupby: Cara mendapatkan penyatuan string

Saya memiliki dataframe seperti ini:

   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       !

Panggilan

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

akan kembali

A
1    1.615586
2    0.421821
3    0.463468
4    0.643961

Sekarang saya ingin melakukan "hal yang sama" untuk kolom "C". Karena kolom itu berisi string, sum () tidak berfungsi (meskipun Anda mungkin berpikir bahwa itu akan menggabungkan string). Apa yang benar-benar ingin saya lihat adalah daftar atau kumpulan string untuk setiap kelompok, yaitu

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

Saya telah mencoba menemukan cara untuk melakukan ini.

Series.unique () ( http://pandas.pydata.org/pandas-docs/stable/generated/pandas.Series.unique.html ) tidak berfungsi, meskipun

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

adalah

pandas.core.groupby.SeriesGroupBy object

jadi saya berharap metode Seri apa pun akan berhasil. Ada ide?

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

Saat Anda menerapkan fungsi Anda sendiri, tidak ada pengecualian otomatis untuk kolom non-numerik. Namun, ini lebih lambat daripada penerapan .sum()kegroupby

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 secara default menggabungkan

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

Anda dapat melakukan apa saja yang Anda inginkan

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

Melakukan ini di seluruh bingkai, satu kelompok pada satu waktu. Kuncinya adalah mengembalikan aSeries

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}

Anda dapat menggunakan applymetode ini untuk menerapkan fungsi arbitrer ke data yang dikelompokkan. Jadi jika Anda menginginkan satu set, terapkan set. Jika Anda menginginkan daftar, terapkan 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

Jika Anda menginginkan sesuatu yang lain, cukup tulis fungsi yang melakukan apa yang Anda inginkan dan kemudian applyitu.

Anda mungkin dapat menggunakan fungsi aggregate(atau agg) untuk menggabungkan nilai. (Kode belum teruji)

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

Anda bisa mencoba ini:

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

solusi sederhana adalah:

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

Agregasi bernama dengan pandas >= 0.25.0

Sejak pandas versi 0.25.0 kami telah menamai agregasi di mana kami dapat mengelompokkan, menggabungkan, dan pada saat yang sama menetapkan nama baru ke kolom kami. Dengan cara ini kita tidak akan mendapatkan kolom MultiIndex, dan nama kolom lebih masuk akal mengingat data di dalamnya:

mengumpulkan dan mendapatkan daftar string

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]

menggabungkan dan menggabungkan string

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

Jika Anda ingin menimpa kolom B di dataframe, ini seharusnya berfungsi:

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

Mengikuti jawaban bagus @ Erfan, sebagian besar waktu dalam analisis nilai agregat Anda menginginkan kombinasi unik yang mungkin dari nilai karakter yang ada ini:

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