合并行以删除 CSV Python 和 Pandas 中的重复项

Question

我正在尝试使用 python 和 pandas 将多组行组合在一起以删除 CSV 中的重复项。基于一个共同的值，“ID”，如果有重复的行，来自另一列“HostAffected”的值应该与换行符组合。与这篇文章类似：enter link description here 但是我需要保留所有等于相同 ID 的现有值。我已经使用下面的代码作为示例对列进行了类似的操作，但是它并不完全相同：

df = pd.read_csv("output.csv")

cols = ['Host','Protocol','Port']
newcol = ['/'.join(i) for i in zip(df['Host'],df['Protocol'],df['Port'].map(str))]
df = df.assign(HostAffected=newcol).drop(cols, 1)

到目前为止我有这个代码：

df.groupby(['Plugin ID','Description])[HostAffected'].apply(list)

改编自此线程：enter link description here 但是这不起作用。

我的数据集示例如下所示：

PluginID    Description HostAffected
10395   Windows SMB Shares Enumeration  10.0.0.10/tcp/445
10396   Windows SMB Shares Access   10.0.0.10/tcp/445
10396   Windows SMB Shares Access   192.168.0.12/tcp/445
10398   Windows SMB LsaQueryInformationPolicy   10.0.0.10/tcp/445
10399   SMB Use Domain SID to Enumerate Users   10.0.0.10/tcp/445
10400   Windows SMB Registry Remotely Accessible    10.0.0.10/tcp/445
10736   DCE Services Enumeration    10.0.0.10/tcp/139
10736   DCE Services Enumeration    10.0.0.10/tcp/445
10736   DCE Services Enumeration    192.168.0.12/tcp/445

这些值以逗号分隔，但我使用空格使其更清晰。我希望它看起来像这样，其中“插件 ID”和“描述”只有一个唯一行，并且“HostAffected”列合并：

ID  Description HostAffected
10395   Windows SMB Shares Enumeration  10.0.0.10/tcp/445
10396   Windows SMB Shares Access   10.0.0.10/tcp/445
192.168.0.12/tcp/445
10398   Windows SMB LsaQueryInformationPolicy   10.0.0.10/tcp/445
10399   SMB Use Domain SID to Enumerate Users   10.0.0.10/tcp/445
10400   Windows SMB Registry Remotely Accessible    10.0.0.10/tcp/445
10736   DCE Services Enumeration    10.0.0.10/tcp/139
10.0.0.10/tcp/445
192.168.0.12/tcp/445

基本上，多组 HostsAffected 可能有相同的 ID 和描述。任何帮助都将不胜感激，因为这比将列组合在一起稍微复杂和具有挑战性。

Answer 1

在 cmets 之后，如果使用 apply 和 join by line break 跟踪 wthitespaces，我们会得到它 strip：

df['Description'] = df['Description'].str.strip()

(df.groupby(['Plugin ID','Issue'])['HostAffected']
   .apply('\n'.join)
   .reset_index())