将pandas数据帧分组并将多个值收集到集合中

Question

假设我有以下数据帧df1：

     A    B  C   D 
0  foo  one  1  0
1  bar  two  2  1
2  foo  two  3  0
3  bar  two  4  1
4  foo  two  5  0
5  bar  two  6  1
6  foo  one  7  0
7  foo  two  8  1

我想把它变成一个数据帧df2，如下所示：

^{pr2}$

更确切地说：

• 按A分组，即列A是索引，每行中{}的值是唯一的

• 列B和C包含发生的值的聚合集。对于A = "foo"，B要么是"one"，要么是{}，而对{}来说，只有"two"。在

  • 从逻辑上讲，这应该是一个集合，每个发生的值只出现一次。它可能是一条Pythonset，但我也在问，用熊猫来表示这一点最优雅的方式是什么

• 列D不包含集合，因为对于fooD总是0，而对于bar，它总是1。如果索引值和列值之间始终存在1:1的关系，则列不应包含集合。

我原以为会有一个单行聚合a df1.groupby("A").aggregate_like_this()，但到目前为止我还没有找到它。在

Answer 1

使用groupby+agg：

f = {'B' : lambda x: np.unique(x).tolist(), 
     'C' : lambda x: np.unique(x).tolist(), 
     'D' : 'first'
}

df.groupby('A', as_index=False).agg(f).reindex(columns=df.columns)

     A           B                C  D
0  bar       [two]        [2, 4, 6]  1
1  foo  [one, two]  [1, 3, 5, 7, 8]  0 

---

如果无法预先确定A的哪些值与D具有1:1的关系，请使用groupby+nunique进行检查，然后相应地过滤数据集。在

^{pr2}$