从具有重复数据的行中创建列中的数组[重复]答案

【问题标题】：Create an array in a column from rows with duplicate data [duplicate]从具有重复数据的行中创建列中的数组[重复]
【发布时间】：2020-11-29 16:52:16
【问题描述】：

我有一个非常大的数据集（大约 600,000 行）。我想在前4列相同的情况下，通过在最后一列创建数组来减少数据行数。

      make  year      model          engine            part
alfa romeo  1960  giulietta         1.3l l4             A
alfa romeo  1958  giulietta         1.3l l4             B
alfa romeo  1958  giulietta         1.3l l4             A
alfa romeo  1957  giulietta         1.3l l4             B
alfa romeo  1957  giulietta         1.3l l4             A
alfa romeo  1956  giulietta         1.3l l4             B
alfa romeo  1956  giulietta         1.3l l4             A
alfa romeo  1954  giulietta         1.3l l4             B
alfa romeo  1954  giulietta         1.3l l4             A
alfa romeo  1955  giulietta         1.3l l4             B
alfa romeo  1955  giulietta         1.3l l4             A

期望的输出：

      make  year      model          engine            part
alfa romeo  1960  giulietta         1.3l l4            [A]
alfa romeo  1958  giulietta         1.3l l4            [A,B]
alfa romeo  1957  giulietta         1.3l l4            [A,B]
alfa romeo  1956  giulietta         1.3l l4            [A,B]
alfa romeo  1955  giulietta         1.3l l4            [A,B]
alfa romeo  1954  giulietta         1.3l l4            [A,B]

我想我可以使用dataframe.groupby 来获得我想要的输出，但我无法通过多次尝试。我不断收到以下输出的形式<pandas.core.groupby.generic.DataFrameGroupBy object at xxx>。

任何帮助将不胜感激！

【问题讨论】：

标签： python pandas dataframe

【解决方案1】：

将它们组合在一起并列出它们的内容。

df.groupby(['make', 'year', 'model', 'engine']).agg(list).reset_index()


make    year    model   engine  part
0   alfa romeo  1954    giulietta   1.3l l4 [B, A]
1   alfa romeo  1955    giulietta   1.3l l4 [B, A]
2   alfa romeo  1956    giulietta   1.3l l4 [B, A]
3   alfa romeo  1957    giulietta   1.3l l4 [B, A]
4   alfa romeo  1958    giulietta   1.3l l4 [B, A]
5   alfa romeo  1960    giulietta   1.3l l4 [A]

【讨论】：

谢谢！这实际上也可以完成这项工作，但我确实需要在这里保留一个索引。有没有办法做到这一点？
在末尾包含.reset_index()
啊，完美，在询问之前应该尝试过。谢谢！

【解决方案2】：

您可以分组，然后列出部分。

df = df.groupby(['make', 'year', 'model', 'engine'])['part'].apply(','.join).reset_index()

样本输出：

         make  year      model   engine part
0  alfa romeo  1957  giulietta  1.3l l4  B,A
1  alfa romeo  1958  giulietta  1.3l l4  B,A
2  alfa romeo  1960  giulietta  1.3l l4    A

【讨论】：

我喜欢这个主意，但我收到以下错误AttributeError: 'function' object has no attribute 'transform'
@Stephen 试试我的编辑
是的，这很好用，还可以删除重复的行。唯一的变化是将'engine' 添加到groupby。谢谢！