如何組合 Pandas Groupby 中的字串以獲得唯一值？

如何使用Pandas Groupby 取得字串並集

使用Pandas 的groupby 方法將資料分組時，可以使用以下方式輕鬆聚合數字列類似sum 的函數。然而，聚合字串列帶來了挑戰，因為並不總是需要簡單的串聯。本文探討了取得群組內字串並集的方法。

問題：

考慮以下DataFrame：

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

應用df. groupby("A")["B"].sum( ) 傳回每組B 列中數值的總和。但是，在字串列 C 上呼叫 df.groupby("A")["C"].sum() 無法如預期運作，導致字串串聯。

解決方案：

自訂函數：

一種方法是定義一個自訂函數來聚合組內的字串值。然後可以使用 apply() 方法將此函數套用到 DataFrame。例如：

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

df.groupby('A').apply(f)</code>

這將傳回一個 DataFrame，其中每個群組的 C 列中的字串並集，其中字串包含在大括號內。

帶有. sum():

另一種方法是將lambda 函數應用於groupby 對象，對數字列使用.sum() ，對字串列使用自訂串聯：

<code class="python">df.groupby('A').apply(lambda x: x.sum())</code>

這將傳回一個包含數值和連接字串總和的DataFrame。要獲得字串的並集，您可以在 lambda 函數中使用字串操作。

效能注意事項：

需要注意的是，將自訂函數應用於 groupby物件比在數字列上使用聚合函數慢。對於大型資料集，應該考慮這種效能權衡。

以上是如何組合 Pandas Groupby 中的字串以獲得唯一值？的詳細內容。更多資訊請關注PHP中文網其他相關文章！