Pandalar groupby: Bir dizi birliği nasıl elde edilir

Bunun gibi bir veri çerçevem ​​var:

   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       !

çağrı

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

dönecek

A
1    1.615586
2    0.421821
3    0.463468
4    0.643961

Şimdi "C" sütunu için "aynısını" yapmak istiyorum. Bu sütun dizeler içerdiğinden, sum () çalışmaz (dizeleri birleştireceğini düşünseniz bile). Gerçekten görmek istediğim şey, her grup için bir dizi veya dizi dizisidir.

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

Bunu yapmanın yollarını bulmaya çalışıyorum.

Series.unique () ( http://pandas.pydata.org/pandas-docs/stable/generated/pandas.Series.unique.html ) çalışmıyor, ancak

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

bir

pandas.core.groupby.SeriesGroupBy object

bu yüzden herhangi bir Seri yönteminin işe yarayacağını umuyordum. Herhangi bir fikir?

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

Kendi işlevinizi uyguladığınızda, sayısal olmayan sütunların otomatik olarak hariç tutulması söz konusu değildir. Yine de .sum()bu,groupby

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 varsayılan olarak birleştirir

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

İstediğini hemen hemen yapabilirsin

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

Bunu tüm çerçeve üzerinde, her seferinde bir grup yapmak. Anahtar, birSeries

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}

applyGruplanmış verilere rastgele bir işlev uygulamak için yöntemi kullanabilirsiniz . Yani bir set istiyorsanız, uygulayın set. Liste istiyorsanız başvurunuz 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

Başka bir şey istiyorsanız, istediğinizi yapan ve sonra applybunu yapan bir işlev yazın .

Kullanılacak mümkün olabilir aggregate(ya da aggdeğerlerini birleştirmek için) işlevini. (Test edilmemiş kod)

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

Bunu deneyebilirsin:

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

basit bir çözüm şöyle olacaktır:

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

İle adlandırılmış toplamalar pandas >= 0.25.0

Pandalar 0.25.0 sürümünden beri gruplandırabileceğimiz, toplayabileceğimiz ve aynı zamanda sütunlarımıza yeni isimler atayabileceğimiz toplamaları adlandırdık. Bu şekilde MultiIndex sütunlarını alamayız ve sütun adları, içerdikleri veriler göz önüne alındığında daha anlamlı olur:

toplayın ve dizelerin bir listesini alın

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]

toplayın ve dizeleri birleştirin

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

Veri çerçevesinde B sütununun üzerine yazmak isterseniz, bu işe yaramalıdır:

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

@ Erfan'ın iyi cevabının ardından, çoğu zaman toplam değerlerin analizinde bu mevcut karakter değerlerinin benzersiz olası kombinasyonlarını istersiniz:

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