如何组合 Pandas Groupby 中的字符串以获得唯一值？

如何使用 Pandas Groupby 获取字符串并集

使用 Pandas 的 groupby 方法对数据进行分组时，可以使用以下方式轻松聚合数字列类似 sum 的函数。然而，聚合字符串列带来了挑战，因为并不总是需要简单的串联。本文探讨了获取组内字符串并集的方法。

问题：

考虑以下 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	!

应用 df. groupby("A")["B"].sum() 返回每组 B 列中数值的总和。但是，在字符串列 C 上调用 df.groupby("A")["C"].sum() 无法按预期工作，导致字符串串联。

解决方案：

自定义函数：

一种方法是定义一个自定义函数来聚合组内的字符串值。然后可以使用 apply() 方法将此函数应用于 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>

这将返回一个 DataFrame，其中每个组的 C 列中的字符串并集，其中字符串包含在大括号内。

带有 . sum():

另一种方法是将 lambda 函数应用于 groupby 对象，对数字列使用 .sum() ，对字符串列使用自定义串联：

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

这将返回一个包含数值和连接字符串之和的 DataFrame。要获得字符串的并集，您可以在 lambda 函数中使用字符串操作。

性能注意事项：

需要注意的是，将自定义函数应用于 groupby对象比在数字列上使用聚合函数慢。对于大型数据集，应该考虑这种性能权衡。

以上是如何组合 Pandas Groupby 中的字符串以获得唯一值？的详细内容。更多信息请关注PHP中文网其他相关文章！