Python Pandas：基于一列删除重复行并连接多列中的信息

Question

我有一个 pandas 数据框，其中包含根据一列 (ID) 的重复项，但在其他几列中具有不同的值。我的目标是根据 ID 删除重复项，但连接其他列中的信息。

这是我正在使用的示例：

ID    Age   Gender   Form          Signature   Level
000   30    M        Paper         Yes         A
000   30    M        Electronic    No          B
001   42             Paper         No          B

处理后，我希望数据看起来像这样：

ID    Age   Gender   Form                      Signature   Level
000   30    M        Paper, Electronic         Yes, No     A, B
001   42             Paper                     No          B

首先，我用“Not Noted”填充了 nAn 单元格，以便可以使用 groupby 函数。我尝试了以下代码：

df = df.groupby(['ID', 'Age', 'Gender'])['Form'].apply(set).reset_index()

这负责连接表单列，但我不知道如何合并签名和级别列。有人有什么建议吗？

Answer 1

你可以这样做：

import pandas as pd

df = pd.DataFrame({'ID': ['000', '000', '001'],
                   'Age': [30, 30, 42],
                   'Gender': ['M', 'M', ''],
                   'Form': ['Paper', 'Electronic', 'Paper'],
                   'Signature': ['Yes', 'No', 'No'],
                   'Level': ['A', 'B', 'B']})

df = df.groupby(['ID', 'Age', 'Gender']).agg({'Form': set, 'Signature': set, 'Level': set}).reset_index()

print(df)

输出：

    ID  Age Gender                 Form  Signature   Level
0  000  30   M      {Electronic, Paper}  {No, Yes}  {B, A}
1  001  42          {Paper}              {No}       {B} 

Answer 2

您可以通过分别修改每一列然后将它们与一些基本的列表理解和pd.concat 函数连接起来来做到这一点。

g = df.groupby(['ID', 'Age', 'Gender'])
concatCols = ['Form', 'Signature', 'Level'] #? Used to define which columns should be concatenated
df = pd.concat([g[c].apply(set) for c in concatCols], axis=1).reset_index()
print(df)